Я хочу показать взаимосвязь между меткой времени и данными, построив их друг против друга. Есть много примеров для inte rnet, но, похоже, он не дает мне ответа, который я ищу. Ниже приведены мои образцы данных
timestamp data
2020-05-19 10:13:31.6 -73.2031
2020-05-19 10:13:31.7 -87.8437
2020-05-19 10:13:31.8 -87.8437
2020-05-19 10:13:31.9 -87.8437
2020-05-19 10:13:32 -87.8437
2020-05-19 10:13:32.1 -87.8437
2020-05-19 10:13:32.2 -87.8437
2020-05-19 10:13:32.3 -87.8437
2020-05-19 10:13:32.4 -87.8437
2020-05-19 10:13:32.5 -87.8437
2020-05-19 10:13:32.6 -87.8437
2020-05-19 10:13:32.7 -87.8437
2020-05-19 10:13:32.8 -87.8437
......................
2020-05-19 10:19:15.2 -92.4709
2020-05-19 10:19:15.3 -99.9328
2020-05-19 10:19:15.4 -110.0390
2020-05-19 10:19:15.5 -118.0167
2020-05-19 10:19:15.6 -124.4937
2020-05-19 10:19:15.7 -128.2135
2020-05-19 10:19:15.8 -134.1289
2020-05-19 10:19:15.9 -138.6015
2020-05-19 10:19:16 -142.3212
2020-05-19 10:19:16.1 -146.6750
2020-05-19 10:19:16.2 -153.4466
Ниже мой код python:
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
df.index = pd.to_datetime(df.timestamp,format="%Y.%m.%d %H:%M:%S.%f", dayfirst=True)
y=df['data']
fig, ax = plt.subplots(figsize=(50, 3)) #tired to increase the size,to cover all timestamps
ax = y.plot(color='xkcd:lightish blue')
plt.gca().spines['top'].set_visible(False)
plt.gca().spines['right'].set_visible(False)
df.set_index('timestamp',inplace=True)
ticklabels = df.index.strftime('%Y.%m.%d %H:%M:%OS3')
ax.xaxis.set_major_formatter(ticker.FixedFormatter(ticklabels))
plt.show()
График, который я получаю, не дает мне всех отметок времени. Даже приблизительная временная метка не совпадает с данными, как видно из графика: (например, моя временная метка идет до 2020-05-19 10: 19: 16.2, но график показывает с 10:13:31: От 600 до 10: 13: 32: 100)
Что мне делать, чтобы выровнять данные? Я вообще все делаю неправильно? Если да, то как лучше всего сопоставить временную метку с данными? Я не против использовать другие библиотеки, такие как seaborn
Спасибо