Интеграция по диапазону дат и маркировка xaxis

Question

Я пытаюсь объединить 2 кривые, поскольку они меняются во времени, используя панд. Я загружаю данные из CSV-файла следующим образом:

Где Даты - это ось X, а точки «Нефть и вода» - это ось Y. Я научился использовать параметр поперечного сечения, чтобы изолировать значения «NAME», но у меня возникли проблемы с поиском хорошего способа интеграции с датами в качестве оси X. В конце концов я хотел бы иметь возможность взять интегралы обеих кривых и сложить их друг с другом. У меня также возникают проблемы с сюжетом, который по умолчанию ставит x-метки в произвольные значения вместо дат.

Я могу изменить метки / метки вручную, но у меня есть большой CSV для обработки, и я хотел бы автоматизировать процесс. Любая помощь будет принята с благодарностью.

ИМЯ, ДАТА, O, W

A, 1/20 / 2000,12,50

B, 1/20/2000, 25,28

C, 1/20 / 2000,14,15

A, 1/21 / 2000,34,50

B, 1/21 /2000,8,3

C, 1/21 / 2000,10,19

A, 1/22/2000, 47,35

B, 1/22/ 2000,4,27

C, 1/22 / 2000,46,1

A, 1/23 / 2000,19,31

B, 1 /23/2000, 18,10

C, 1/23/2000, 19, 41

Содержание CSV в текстовой форме выше.

Answer 1

В дополнение к моему комментарию, приведенному выше, приведен пример кода (с использованием логики из упомянутого примера ) для обозначения вашего xaxis отформатированными датами. Надеюсь, это поможет.

Сбор данных / импорт:

Просто заново создайте свой набор данных для примера.

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

header = ['NAME', 'DATE', 'O', 'W']
data = [['A','1/20/2000',12,50],
        ['B','1/20/2000',25,28],
        ['C','1/20/2000',14,15],
        ['A','1/21/2000',34,50],
        ['B','1/21/2000',8,3],
        ['C','1/21/2000',10,19],
        ['A','1/22/2000',47,35],
        ['B','1/22/2000',4,27],
        ['C','1/22/2000',46,1],
        ['A','1/23/2000',19,31],
        ['B','1/23/2000',18,10],
        ['C','1/23/2000',19,41]]

df = pd.DataFrame(data, columns=header)
df['DATE'] = pd.to_datetime(df['DATE'], format='%m/%d/%Y')

# Subset to just the 'A' labels.
df_a = df[df['NAME'] == 'A']

Plotting:

# Define the number of ticks you need.
nticks = 4
# Define the date format.
mask = '%m-%d-%Y'

# Create the set of custom date labels.
step = int(df_a.shape[0] / nticks)
xdata = np.arange(df_a.shape[0])
xlabels = df_a['DATE'].dt.strftime(mask).tolist()[::step]

# Create the plot.
fig, ax = plt.subplots(1, 1)
ax.plot(xdata, df_a['O'], label='Oil')
ax.plot(xdata, df_a['W'], label='Water')
ax.set_xticks(np.arange(df_a.shape[0], step=step))
ax.set_xticklabels(xlabels, rotation=45, horizontalalignment='right')
ax.set_title('Test in Naming Labels for the X-Axis')
ax.legend()

Вывод:

Answer 2

Я бы рекомендовал изменить ось X в виде целых чисел или чисел с плавающей точкой (секунды, минуты, часы, дни с определенного времени, в зависимости от необходимой точности). Затем вы можете использовать обычные методы для интеграции, и оси X больше не будут использовать по умолчанию некоторые другие значения.

См. Как преобразовать дату и время в целое число в python