Python 3.x 如何与seaborn兼容使用熊猫数据帧或系列？

我导入它并选择一个间隔

data\u frame=pd.read\u csv（'househouse\u power\u consumpion.txt'，
sep='；'，
parse_dates={'dt'：['Date'，'Time']}，
推断日期时间格式=真，
内存不足=错误，
na_值=['nan'，'？']，
索引（col='dt'）
df_08_09=数据帧截断（在='2008-01-01'之前，在='2010-01-01'之后）
df_08_09.info（）

得到

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1052641 entries, 2008-01-01 00:00:00 to 2010-01-01 00:00:00
Data columns (total 7 columns):
Global_active_power      1052641 non-null float64
Global_reactive_power    1052641 non-null float64
Voltage                  1052641 non-null float64
Global_intensity         1052641 non-null float64
Sub_metering_1           1052641 non-null float64
Sub_metering_2           1052641 non-null float64
Sub_metering_3           1052641 non-null float64
dtypes: float64(7)
memory usage: 64.2 MB

dt

总是出问题，因为seaborn由于某种原因无法访问它。我试图访问DatetimeIndex，但我发现没有办法提取它并使其成为数据列，因为我不太习惯使用它

我希望seaborn在数据中找到

dt

，但它没有找到，并相应地抛出一个错误。我很清楚地看到了这一点，但idk如何以一种有效的python/pandas/seaborn方式处理这一问题。所以请帮帮我！：）

---

…顺便说一句，还有一个问题。。。我还想知道为什么

df\u 08\u 09.Global\u active\u power.values

返回的是

（n，）

形状的np.array而不是

（n，1）

。我总是被迫执行

values=np.array（[values]）.transpose（）

来恢复

（n，1）

您可以使用一种变通方法，首先将日期时间列转换为整数，然后用日期时间值替换matplotlib的轴刻度标签，例如

import pandas as pd
import numpy as np
import seaborn
from datetime import datetime


data_frame = pd.read_csv('household_power_consumption.txt', 
                 sep=';', 
                 parse_dates={'dt' : ['Date', 'Time']}, 
                 infer_datetime_format=True, 
                 low_memory=False, 
                 na_values=['nan','?']) 
                 #index_col='dt') No need for this, as we are not working with indexes
df_08_09 = data_frame.truncate(before='2008-01-01', after='2010-01-01')

# Convert to integers
df_08_09['date_ordinal'] = pd.to_datetime(df_08_09['dt']).apply(lambda date: date.timestamp())

# Plotting as integers
ax = seaborn.regplot(data=df_08_09, x="date_ordinal", y="Global_active_power")

# Adjust axis
ax.set_xlim(df_08_09['date_ordinal'].min() - 1, df_08_09['date_ordinal'].max() + 1)
ax.set_ylim(0, df_08_09['Global_active_power'].max() + 1)

# Set x-axis-tick-labels to datetime
new_labels = [datetime.utcfromtimestamp(int(item)) for item in ax.get_xticks()]
ax.set_xticklabels(new_labels, rotation = 45)

---

参考资料：

截断不适用于您的解决方案。我得到了2010-01-01之后的数据。因此，需要执行使用

index\u col='dt'

的索引，以便最终得到冗余的数据列。事实上，我认为会有一些更优雅的东西，指向索引列，但作为一个“快速而肮脏”的解决方案是可以接受的