Python 映射数据帧索引

假设我有一个按

datetime

索引的数据帧：

> df.head()

                        value
2013-01-01 00:00:00 -0.014844
2013-01-01 01:00:00  0.243548
2013-01-01 02:00:00  0.463755
2013-01-01 03:00:00  0.695867
2013-01-01 04:00:00  0.845290
(...)

如果我想按日期绘制所有值，我可以：

times = map(lambda x : x.date(), df.index)
values = df.value
plot(values, times)

有没有更“地道”的方法？我尝试了

.rename

方法，但出现了断言错误：

df.rename(lambda x : x.time())

我真正想要的是做一些类似于箱线图的事情：

df.boxplot(by = lambda x : x.time())

但没有标准偏差框（将由估计置信带代替）。有没有一种方法可以通过一个简单的命令来实现这一点

---

---

我不知道我是否清楚问题出在哪里。问题是我有一个datetime字段作为数据帧的索引，我只需要提取时间部分并按时间绘制值。这将为我提供许多具有相同x轴的点，这很好，但是

重命名

方法似乎期望结果索引中的每个值都是唯一的。

您可以使用DataFrame方法进行本机绘图，例如：

df.plot()
df.plot(kind='bar')
...

此方法提供了很大的灵活性（利用matplotlib的所有功能）。
文档的内容非常详细，并有大量的示例

---

在0.12+中，DatetimeIndex上有一个time方法/属性（由于这个问题，IIRC）：

要仅绘制时间，可以使用：

plot(df.index.time, df.value)

然而，这似乎只比您的解决方案稍微好一点，如果有的话。也许timeseries索引应该提供一种时间方法，类似于它对小时的处理方式（我隐约记得一个类似的问题…）：

以下是我的解决方案：

将数据装箱：

import pandas as pd
from pandas import *
from numpy.random import randn
rng = date_range('1/1/2011', periods=72, freq='H')
ts = TimeSeries(randn(72), index=rng)

绘图日期值：

ts.to_period("D").plot(style="o")

绘图时间值：

TimeSeries(ts.values, index=DatetimeIndex(ts.index.values - 
    ts.index.to_period("D").to_timestamp().values)).plot(style="o")

---

如果需要时间值，那么这相当快

def dt_time(ind):
  return np.array([time(*time_tuple) for time_tuple in zip(ind.hour, ind.minute, ind.second)])

调用

map

会慢很多

In [29]: %timeit dt_time(dt)
1000 loops, best of 3: 511 µs per loop

In [30]: %timeit dt_map(dt)
10 loops, best of 3: 96.3 ms per loop

---

对于长度为100的DatetimeIndex

但是如何转换索引以仅从日期时间中提取时间呢？Hmmm

plot（df.index.map（lambda ts:ts.time（）），df.value）

稍好一些，但仍然不令人满意。也许timeseries索引应该提供一个时间方法（就像它对小时所做的那样，即

绘图（df.index.hour，df.value）

）。重命名got断言是因为不能有两个具有相同值的索引，而悲剧的是，示例中的所有索引都在同一天。

def dt_time(ind):
  return np.array([time(*time_tuple) for time_tuple in zip(ind.hour, ind.minute, ind.second)])

In [29]: %timeit dt_time(dt)
1000 loops, best of 3: 511 µs per loop

In [30]: %timeit dt_map(dt)
10 loops, best of 3: 96.3 ms per loop