基于指定条件使用DataFrame绘制图表 附示例数据集

我来帮你梳理下如何基于这个示例DataFrame绘制实用的图表，咱们一步步来：

首先先把原始数据整理成更清晰的表格形式，方便后续处理：

1. 数据预处理：转换时间戳 #

首先，epoch字段是毫秒级时间戳，我们需要把它转换成Python的datetime格式，这样才能做时序相关的可视化。用pandas处理的代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 加载示例数据
data = pd.DataFrame({
    'ID': [1,1,1,2,2,2,3],
    'Char': ['sr.r/t & (ted: 15--)','sr.r/t & (ted: 15--)','sr.r/t & (ted: 15--)','sy.w/f & (ted: *18-)','sy.w/f & (ted: *18-)','sy.w/f & (ted: *18-)','sr.r/t & (ted: 19:15)ser'],
    'Var': ['a-rt','a-er','a-er','a-ge','a-ge','b-we','e-we'],
    'epoch': [1501569011720,1501569011820,1501569011870,1501569012945,1501569012995,1501569013945,1501569013945]
})

# 转换epoch为datetime（毫秒级，所以要除以1000）
data['datetime'] = pd.to_datetime(data['epoch'], unit='ms')

2. 常见图表绘制示例 #

2.1 时序趋势图：按ID分组查看Var的时间分布 #

这个图表可以帮你看到每个ID下，不同Var类型随时间的变化情况，适合观察事件的时序规律：

plt.figure(figsize=(10,6))
# 用seaborn的散点图，按ID和Var区分颜色
sns.scatterplot(data=data, x='datetime', y='ID', hue='Var', s=100)
plt.title('Var类型随时间的分布（按ID分组）')
plt.xlabel('时间')
plt.ylabel('ID')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

说明：这里用散点图是因为每个时间点对应的记录不多，能清晰展示每个ID在不同时间点的Var类型；如果数据量更大，也可以改用折线图连接同一ID的时序点。

2.2 频次柱状图：统计各Var/Char的出现次数 #

如果想直观看到不同Var或Char的出现频率，可以用柱状图：

统计Var的频次

plt.figure(figsize=(8,5))
var_counts = data['Var'].value_counts()
sns.barplot(x=var_counts.index, y=var_counts.values)
plt.title('各Var类型的出现频次')
plt.xlabel('Var类型')
plt.ylabel('出现次数')
plt.show()

统计每个ID对应的Char分布

plt.figure(figsize=(10,6))
sns.countplot(data=data, x='ID', hue='Char')
plt.title('各ID对应的Char类型分布')
plt.xlabel('ID')
plt.ylabel('记录数')
plt.legend(title='Char类型', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

2.3 分组时序折线图：查看同一ID内的时间间隔 #

如果想观察同一ID下记录的时间间隔，可以把每个ID的时间点按顺序连接：

plt.figure(figsize=(10,6))
# 按ID和datetime排序
data_sorted = data.sort_values(['ID', 'datetime'])
for id_val in data_sorted['ID'].unique():
    subset = data_sorted[data_sorted['ID'] == id_val]
    plt.plot(subset['datetime'], subset['Var'], marker='o', label=f'ID {id_val}')
plt.title('各ID内Var类型的时序变化')
plt.xlabel('时间')
plt.ylabel('Var类型')
plt.xticks(rotation=45)
plt.legend()
plt.tight_layout()
plt.show()

3. 自定义图表的思路 #

如果有特定的分析需求，比如关注Char字段中的ted参数（比如15--、*18-这类），可以先对Char字段做字符串提取，提取出ted的参数后再做可视化：

比如提取ted的值：

# 用正则提取Char中的ted参数
data['ted_param'] = data['Char'].str.extract(r'ted: (.*?)\)')

之后就可以基于ted_param来分组绘制图表，比如查看不同ted参数对应的时间分布。

内容的提问来源于stack exchange，提问作者Roy1245