首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

当小时和分钟在不同的pandas列中时,我如何绘制它们?

在pandas中,可以使用matplotlib库来绘制小时和分钟在不同列中的数据。

首先,确保你已经安装了pandas和matplotlib库:

代码语言:txt
复制
pip install pandas
pip install matplotlib

然后,导入所需的库:

代码语言:txt
复制
import pandas as pd
import matplotlib.pyplot as plt

接下来,创建一个包含小时和分钟数据的DataFrame:

代码语言:txt
复制
data = {'hour': [1, 2, 3, 4, 5],
        'minute': [30, 45, 15, 10, 20]}
df = pd.DataFrame(data)

现在,我们可以使用matplotlib来绘制这些数据。首先,将小时和分钟数据转换为时间格式:

代码语言:txt
复制
df['time'] = pd.to_datetime(df['hour'].astype(str) + ':' + df['minute'].astype(str), format='%H:%M')

然后,将时间列设置为索引:

代码语言:txt
复制
df.set_index('time', inplace=True)

最后,使用plot函数绘制数据:

代码语言:txt
复制
df.plot()
plt.show()

这将绘制一个折线图,其中x轴表示时间,y轴表示数据值。

关于pandas和matplotlib的更多信息,你可以参考以下链接:

  • pandas官方文档:https://pandas.pydata.org/docs/
  • matplotlib官方文档:https://matplotlib.org/stable/
相关搜索:如何从pandas date列中删除小时、分钟、秒和UTC偏移量?我和streamlit和pandas一起跑步如何在Python中访问pandas dataframe的子列并绘制它们当开始和结束在不同的行和列中时,为不同的id组合日期R-如何计算同一列中每小时不同分钟的值当特定列在pandas中具有NULL值时选择数据和计数在Pandas中,当in达到某一值时的列长度如何使用Google Charts和MySQL显示来自不同表的数据,当它们具有相同的小时(日期时间)?当pandas dataframe列和变量的值相同时,如何比较它们的值以获得sume?谁知道在python或pandas中,当小时/分钟/秒是一位数时,如何获得正确的时间格式如何在小时数和分钟数都来自计算的MS Excel单元格中显示1小时46分钟?R中的gather()函数在我的列存在时找不到它们如何避免在Pandas dataframe中添加列时将列和DatetimeIndex混淆我有一个整数格式的时间数据框列,我想将它转换成小时和分钟,并将它们分类到箱子中我的2列在Zurb中堆叠。如何并排显示它们?Pandas:当某些分钟大于60时,如何将一列以分钟为单位的持续时间转换为datetime?如何分隔字典的值,以便它们可以打印在不同的列中?如何美化pandas中的列和值的格式,使它们具有相同的宽度?如何在matplotlib和pandas中绘制按两列分组的数据帧在pandas中相互绘制数据框的两列时更改日期格式计算pandas数据框中列的6小时平均值,将值绘制为图形上的文本
相关搜索:
页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

分析你的个人Netflix数据

那么,不幸的是,你必须等待。Netflix说,准备一份数据报告可能需要30天。我在24小时内拿到了报告。报告准备好后,你将收到一封电子邮件。...在本例中,我们计划分析我观看了多少以及何时观看了Office,因此需要保留“Start Time”、“持续时间”、“标题”和“国家”列。其他的都可以。...将字符串转换为Pandas中的Datetime和Timedelta 我们两个时间相关列中的数据看起来确实正确,但是这些数据实际存储的格式是什么?...在我们的数据探索中,我们注意到当某些内容(如章节预览)在主页上自动播放时,它将被视为我们数据中的视图。 然而,只看两秒钟的预告片和真正看一部电视剧是不一样的!...让我们用两种不同的方式来回答这个问题: 一周中哪几天我看的电视剧最多? 我最常在一天中的哪几个小时开始?

1.7K50

爱了!0.052s 打开 100GB 数据,这个开源库火爆了!

它们足够小,可以装入日常笔记本电脑的硬盘驱动器中,但同时大到无法装入RAM,导致它们已经很难打开和检查,更不用说探索或分析了。 处理此类数据集时,通常采用3种策略。...当使用Vaex打开内存映射文件时,实际上没有进行任何数据读取。Vaex仅读取文件的元数据,例如磁盘上数据的位置,数据结构(行数、列数、列名和类型),文件说明等。...该describe方法很好地体现了Vaex的功能和效率:所有这些统计数据都是在我的MacBook Pro(2018款15英寸,2.6GHz Intel Core i7,32GB RAM)上用不到3分钟的时间计算出来的...你能想象在纽约市被困出租车中超过3个小时吗?...无论如何,我们要保持开放的态度,并考虑所有花费时间少于3小时的行程: 现在,让我们研究出租车的平均速度,同时选择一个合理的数据范围: 出租车平均速度分布 根据分布趋平的位置,我们可以推断出在每小时1

82310
  • 0.052秒打开100GB数据?这个Python开源库这样做数据分析

    它们足够小,可以装入日常笔记本电脑的硬盘驱动器中,但同时大到无法装入RAM,导致它们已经很难打开和检查,更不用说探索或分析了。 处理此类数据集时,通常采用3种策略。...当使用Vaex打开内存映射文件时,实际上没有进行任何数据读取。Vaex仅读取文件的元数据,例如磁盘上数据的位置,数据结构(行数、列数、列名和类型),文件说明等。...该describe方法很好地体现了Vaex的功能和效率:所有这些统计数据都是在我的MacBook Pro(2018款15英寸,2.6GHz Intel Core i7,32GB RAM)上用不到3分钟的时间计算出来的...你能想象在纽约市被困出租车中超过3个小时吗?无论如何,我们要保持开放的态度,并考虑所有花费时间少于3小时的行程: ? 现在,让我们研究出租车的平均速度,同时选择一个合理的数据范围: ?...从describe方法的输出中,我们可以看到在fare_amount,total_amount和tip_amount列中有一些疯狂的异常值。对于初学者,任何这些列中的任何值都不应为负。

    1.3K20

    python数据分析告诉你ofo多久退押金

    ofo是国内共享单车模式的开创者,引航者。在18年之前的单车风口上一时风头无两,曾花费一千万购买行星命名权,可见其财大气粗。...我爬取了某用户数天内的排名变化情况,进而推测到底该用户何时才能拿到押金。 数据集大致如图1所示。 ? 图1 该数据集一共有两列,163行。...还有要注意一点的是,当使用传统的scatter函数时绘制散点图会失败。这是因为该函数绘制散点图时只接受x轴为数字。这里需要使用plot_date函数,该函数专门应对绘制时间序列的散点图。...图4 通过这张图以及结合原始数据集可知,ofo界面每五分钟刷新一次,更改一次退押金排队位置。可以大致看出,一天内十个小时,rank的变化速率比较均匀,基本是在匀速降低。...就以每五分钟处理66个押金退款来说,每天工作十小时可处理7920个退款。像文中使用者一千五百万的排名,需要等1894天,也就是大约五年的时间。 未来可期!

    77910

    数字货币量化交易之黄金指标算法【Python】

    这两个交叉指标都是使用以下公式对特定时间段内的市场收盘价计算平均值: 该概念组合两个滑动平均值(短期和长期)以获得加密货币趋势。当短期移动均线超过或回顾长期移动均线时,将出现买入或卖出信号。...这些CI(交叉指标)在全球范围内被多个交易者和基金广泛使用,以定义支撑力量、阻力水平、 止损和目标并了解潜在趋势。 现在我们已经涵盖了一些背景知识,让我们开始测试,看看它们如何帮助预测加密货币市场。...实时绘图,并检查我们的信号是否准确。 在本文中,我不会过多地介绍有关代码和API的细节,你可以在下面的文章中 了解 如何用Python获取实时的加密货币市场数据。现在我们可以开始编码了!...此外,在此示例中,我们将选择最后7天作为时间段(参数2)。并设置一个间隔(参数3)的90分钟。 要调用数据,必须使用以下结构: 在继续之前,我将介绍有关第三个参数(interval)的一些细节。...这意味着我们将计算最近7小时30分钟(5次乘以90分钟)的平均收盘价。 类似的对于MA(20),要计算的是20个而不是5个90分钟周期的平均值。

    3.2K30

    Keras中带LSTM的多变量时间序列预测

    最后,我们通过在fit()函数中设置validation_data参数来跟踪训练期间的训练和测试损失。在运行结束时,训练和测试损失都被绘制出来。...有趣的是,我们可以看到测试损失低于训练损失。该模型可能过度拟合。在训练过程中测量和绘制均方根误差可能会使我们看到更多的信息。 训练和测试损失被输出在每个训练时期结束时。...让我知道你的问题框架,模型配置和RMSE在下面的评论。 更新:训练多个滞后时间步的示例 关于如何调整上面的示例以在多个以前的时间步骤中训练模型,已经有许多请求。...在写这篇文章的时候,我尝试了这个和其他许多配置,并决定不包含它们,因为它们没有提升模型。 不过,我已经把下面这个例子作为参考模板,可以适应自己的问题。...我们在框架数据集中有3 * 8 + 8列。我们会将3 * 8或24列作为前3小时所有功能的输入。

    46.4K149

    如何使用 Python 分析笔记本电脑上的 100 GB 数据

    因此,它们已经很难被打开和检查,更不用说探索或分析了。 在处理这些数据集时,通常使用 3 种策略。第一个是对数据进行子抽样。...注意,数据帧包含 18 列,但在此屏幕截图中只有前 7 列可见 描述方法很好地说明了 Vaex 的功耗和效率:所有这些统计数据都是在我的 MacBook Pro(15", 2018, 2.6GHz Intel...当我们把旅行的距离考虑进去时,我们得到的是一张稍微不同的图片。Van Wyck 高速公路、Long Island 高速公路大道以及机场仍然是接送乘客的好地方,但它们在地图上的重要性要小得多。...在一周的某一时间和某一天,现金和卡支付的一部分 看上面的图表,我们可以发现一个类似的模式,显示小费百分比和一周中的一天和一天中的时间相关的函数。...到达目的地 我希望这篇文章是对 Vaex 的一个有用的介绍,它将帮助缓解你可能面临的一些「不舒服的数据」问题,至少当涉及到表格数据集时会对你有帮助。

    1.2K22

    干货推荐 | 掌握这几点,轻松玩转 Bokeh 可视化 (项目实战经验分享)

    :共有 327,346 次航班,最短延误时间为-86 分钟(意味着航班提前 86 分钟),最长延迟时间为 1272 分钟,惊人的 21 小时!...当将鼠标悬停在不同的栏上时,会得到该栏的精确统计数据,显示该区间内的间隔和航班数。...当查看图表时,我喜欢使用主动交互,因为它们允许我自己探索数据。 我发现从我自己的数据(来自设计师的某个方向)而不是从完全静态的图表中发现数据的结论更具洞察力。...在顶部,我们看到许多选项卡,每个选项卡包含应用程序的不同部分。 仪表板的初衷是,虽然每个选项卡可以独立存在,但我们可以将它们中的许多连接在一起,以便能够完整地探索数据。...根据经验,在探索数据集时,人们喜欢自己探索,我们可以允许他们通过各种控制选择和筛选数据。 现在我们已经了解了我们的目标,让我们来看看如何创建一个 Bokeh 应用程序。

    2.3K40

    干货:可视化项目实战经验分享,轻松玩转Bokeh(建议收藏)

    :共有 327,346 次航班,最短延误时间为-86 分钟(意味着航班提前 86 分钟),最长延迟时间为 1272 分钟,惊人的 21 小时!...当将鼠标悬停在不同的栏上时,会得到该栏的精确统计数据,显示该区间内的间隔和航班数。...当查看图表时,我喜欢使用主动交互,因为它们允许我自己探索数据。 我发现从我自己的数据(来自设计师的某个方向)而不是从完全静态的图表中发现数据的结论更具洞察力。...在顶部,我们看到许多选项卡,每个选项卡包含应用程序的不同部分。 仪表板的初衷是,虽然每个选项卡可以独立存在,但我们可以将它们中的许多连接在一起,以便能够完整地探索数据。...根据经验,在探索数据集时,人们喜欢自己探索,我们可以允许他们通过各种控制选择和筛选数据。 现在我们已经了解了我们的目标,让我们来看看如何创建一个 Bokeh 应用程序。

    2.9K20

    如何用Python在笔记本电脑上分析100GB数据(上)

    它们小到可以装进你日常使用的笔记本电脑的硬盘,但大到可以装进内存。因此,它们已经很难打开和检查,更不用说探索或分析了。 在处理这样的数据集时,通常采用3种策略。第一种是对数据进行子抽样。...使用Vaex打开内存映射文件是即时的(0.052秒!),即使它们超过100GB大。 为什么这么快?当您使用Vaex打开内存映射文件时,实际上没有数据读取。...describe方法很好地说明了Vaex的能力和效率:所有这些统计数据都是在我的MacBook Pro(15英寸,2018年,2.6GHz Intel Core i7, 32GB RAM)上3分钟内计算出来的...好吧,我们来绘制运行时间的分布图: ? 纽约10亿多次出租车运营持续时间的直方图。 从上面的图中我们可以看到95%的出租车旅行都不到30分钟就能到达目的地,尽管有些旅程可以花费4到5个小时。...当我们考虑行程的距离时,我们得到的图像略有不同。范怀克(Van Wyck)高速公路、长岛(Long Island)高速公路大道以及机场仍然是搭载乘客的好地方,但它们在地图上的重要性要低得多。

    1.1K21

    Pandas 学习手册中文第二版:11~15

    仅仅因为不同的源对相同类型的实体进行不同的建模,可能还需要将存储在一个模型中的数据重塑为另一个模型。 在本章中,我们将研究这些操作,这些操作使我们可以在模型中合并,关联和重塑数据。...以下内容演示了在连接过程中两个DataFrame对象的对齐方式,其中有共同的列(a和c)和不同的列(df1中的b和df2中的d) : [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传...介绍了拆分应用组合模式,并概述了如何在 Pandas 中实现这种模式。 然后,我们学习了如何基于列和索引级别中的数据将数据分为几组。 然后,我们研究了如何使用聚合函数和转换来处理每个组中的数据。...还可以使用构造器的另外两个值来指定小时和分钟成分。...第一类是代表绝对日期的关键字:年,月,日,小时,分钟,秒和微秒。 第二类代表相对持续时间,可以是负值:年,月,周,日,小时,分钟,秒和微秒。

    3.4K20

    掌握这几点,轻松玩转 Bokeh 可视化 (项目实战经验分享)

    :共有 327,346 次航班,最短延误时间为-86 分钟(意味着航班提前 86 分钟),最长延迟时间为 1272 分钟,惊人的 21 小时!...当将鼠标悬停在不同的栏上时,会得到该栏的精确统计数据,显示该区间内的间隔和航班数。...当查看图表时,我喜欢使用主动交互,因为它们允许我自己探索数据。 我发现从我自己的数据(来自设计师的某个方向)而不是从完全静态的图表中发现数据的结论更具洞察力。...在顶部,我们看到许多选项卡,每个选项卡包含应用程序的不同部分。 仪表板的初衷是,虽然每个选项卡可以独立存在,但我们可以将它们中的许多连接在一起,以便能够完整地探索数据。...根据经验,在探索数据集时,人们喜欢自己探索,我们可以允许他们通过各种控制选择和筛选数据。 现在我们已经了解了我们的目标,让我们来看看如何创建一个 Bokeh 应用程序。

    2.2K30

    8个流行的Python可视化工具包

    因此,这些图在美化方面是相似的,自定义图时用的语法也都非常相似。 当提到这些可视化工具时,我想到三个词:探索(Exploratory)、数据(Data)、分析(Analysis)。...在我看过的所有材料中,它的一切都和 ggplot2 很像,但这个包的好处是它依赖于 Pandas Python 包。...如果你想在 R 中用真正的 ggplot(除了依赖关系外,它们的外观、感觉以及语法都是一样的),我在另外一篇文章中对此进行过讨论。...在制作美观且表现力强的图片时,我更倾向于使用 Bokeh——它已经帮我们完成了大量美化工作。 用 Pandas 表示相同的数据 蓝色的图是上面的第 17 行代码。这两个直方图的值是一样的,但目的不同。...有很多数据可视化的包,但没法说哪个是最好的。希望阅读本文后,你可以了解到在不同的情境下,该如何使用不同的美化工具和代码。

    62320

    Python 算法交易秘籍(二)

    每个条目表示市场上某一时刻已存在的卖家,给出的价格以及该价格可用的数量。 当买家和卖家匹配时,订单在交易所执行,条目从买方和卖方表格中删除。...在 步骤 6 到 12 中,您使用日本烛台图案获取历史数据,将其转换为 Line Break 烛台图案,并绘制烛台间隔为 3 分钟、5 分钟、10 分钟、15 分钟、30 分钟、1 小时和 1 天的转换数据...在步骤 6到12中,您使用日本蜡烛图形态获取历史数据,将其转换为 Renko 蜡烛图形态,并绘制蜡烛间隔为 3 分钟、5 分钟、10 分钟、15 分钟、30 分钟、1 小时和 1 天的转换数据。...(与日本蜡烛图案中的绿色蜡烛相同。) 当Close低于Open时形成红色蜡烛。(与日本蜡烛图案中的红色蜡烛相同。) 所有时间戳均等间隔(在市场营业时间内)。...此示例向您展示了在使用经纪人 API 时如何使用日本蜡烛图案获取历史数据,以及如何转换和绘制各种蜡烛间隔的历史数据使用平均蜡烛图案。

    33320

    Python数据可视化,完整版操作指南(建议收藏)

    另外,我添加了一个分类变量(1和0)来演示带有分类变量的图表的功能。 mapa.csv文件包含按国家/地区分隔的受欢迎程度数据。在最后的可视化地图时,我们会用到它。...我们可以发现一列的情况,当使用head命令查看时,该列似乎是数字的,但是如果我们查看后续数据,则字符串格式的值将被编码为字符串。 df.info() ?...为了给出每种类型的示例,我添加了货币和百分比符号,即使它们对于此数据没有任何意义。...我们可以将它们导出到HTML文档中,并与具有Web浏览器的任何人共享。 当我们有兴趣在图形中查找事物并且希望能够放大并在图形中移动时,它是一个非常有用的库。...我想提到这个库,因为也许在他们的示例画廊中,我们可以找到一些可以帮助我们的特定图形。 ? Folium Folium是一项研究,可以让我们绘制地图,标记,也可以在上面绘制数据。

    1.9K31

    8000 字 Python 数据可视化实操指南

    另外,我添加了一个分类变量(1和0)来演示带有分类变量的图表的功能。 mapa.csv文件包含按国家/地区分隔的受欢迎程度数据。在最后的可视化地图时,我们会用到它。...我们可以发现一列的情况,当使用head命令查看时,该列似乎是数字的,但是如果我们查看后续数据,则字符串格式的值将被编码为字符串。...为了给出每种类型的示例,我添加了货币和百分比符号,即使它们对于此数据没有任何意义。...我们可以将它们导出到HTML文档中,并与具有Web浏览器的任何人共享。 当我们有兴趣在图形中查找事物并且希望能够放大并在图形中移动时,它是一个非常有用的库。...我想提到这个库,因为也许在他们的示例画廊中,我们可以找到一些可以帮助我们的特定图形。 7. folium Folium是一项研究,可以让我们绘制地图,标记,也可以在上面绘制数据。

    1.4K20

    Python中得可视化:使用Seaborn绘制常用图表

    深色背景的分布图 2.饼图和柱状图 饼图通常用于分析数字变量在不同类别之间如何变化。 在我们使用的数据集中,我们将分析内容Rating栏中的前4个类别的执行情况。...但是,如果我们必须推断两个数字列之间的关系,比如“评级和大小”或“评级和评论”,会怎么样呢? 当我们想要绘制数据集中任意两个数值列之间的关系时,可以使用散点图。...4.配对图 当我们想要查看超过3个不同数值变量之间的关系模式时,可以使用配对图。例如,假设我们想要了解一个公司的销售如何受到三个不同因素的影响,在这种情况下,配对图将非常有用。...我们将使用sn .heatmap()绘制可视化图。 当你有以下数据时,我们可以创建一个热图。 ? 上面的表是使用来自Pandas的透视表创建的。 现在,让我们看看如何为上表创建一个热图。...带有一些自定义的热图代码 在我们给出“annot = True”的代码中,当annot为真时,图中的每个单元格都会显示它的值。如果我们在代码中没有提到annot,那么它的默认值为False。

    6.7K30

    使用Python『秒开』100GB+数据!

    为此,Vaex采用了内存映射、高效的外核算法和延迟计算等概念来获得最佳性能(不浪费内存)。所有这些都封装在一个类似Pandas的API中。...这是因为代码会创建虚拟列。这些列只包含数学表达式,仅在需要时才计算它们。否则,虚列的行为与任何其他常规列一样。注意,其他标准库需要10s的GB内存来完成相同的操作。 让我们画出行程时间的分布图: ?...从上图我们可以看到,95% 的出租车行程花费不到30分钟到达目的地,尽管有些行程花费了4-5个小时。你能想象在纽约被困在出租车里超过3个小时的情景吗?考虑所有总共不超过3小时的行程: ?...从describe方法的输出中,我们可以看到在fare_amount、total_amount和tip_amount列中存在一些异常值。对于初学者来说,这些列中的任何值都不应该是负值。...更深入的分析 在本文的前一部分中,我们简要地集中讨论了trip_distance列,在去除异常值时,我们保留了所有值小于100英里的行程。

    1.4K01

    如何用Python读取开放数据?

    当你开始接触丰富多彩的开放数据集时,CSV、JSON和XML等格式名词就会奔涌而来。如何用Python高效地读取它们,为后续的整理和分析做准备呢?本文为你一步步展示过程,你自己也可以动手实践。...我总是跟着蹭车。 一个半小时开车进城,我们先去真正的中餐馆吃一顿自助午餐,然后去商场。他们逛2个小时左右,我找个咖啡馆或者休息区闭目养神,戴着耳机听罗胖讲故事。...这是莱克星顿房屋销售价格的中位数(median)在不同时间的记录。 Quandl已经很周到地帮我们用折线图绘制了历史价格信息的变化。选择“TABLE”标签页,我们可以查看原始数据。...它看起来有些像我们上网时每天都要用到的HTML源码,但是有区别。它的设计初衷,不是为了展示Web页面,而是为了数据交换。 我们在Jupyter Notebook中打开下载的XML文件。...因此,当你拿到的数据只有JSON或者XML格式时,了解如何读取它们,就很重要。 其次,JSON或XML附加的那些内容,绝不是无意义的。它们可以帮助你检查数据的完整性和合法性。

    2.7K80

    这里有8个流行的Python可视化工具包,你喜欢哪个?

    因此,这些图在美化方面是相似的,自定义图时用的语法也都非常相似。 当提到这些可视化工具时,我想到三个词:探索(Exploratory)、数据(Data)、分析(Analysis)。...如果你想在 R 中用真正的 ggplot(除了依赖关系外,它们的外观、感觉以及语法都是一样的),我在另外一篇文章中对此进行过讨论。...这两个直方图的值是一样的,但目的不同。在探索性设置中,用 Pandas 写一行代码查看数据很方便,但 Bokeh 的美化功能非常强大。...表示不同 NBA 球队每分钟平均失误数的条形图。 ? 表示薪水和在 NBA 的打球时间之间关系的散点图 总体来说,开箱即用的美化工具看起来很好,但我多次尝试逐字复制文档和修改坐标轴标签时却失败了。...希望阅读本文后,你可以了解到在不同的情境下,该如何使用不同的美化工具和代码。

    2.2K30
    领券