matplotlib在图上绘制奇怪的水平线

Question

我已经使用openpyxl将数据从Excel电子表格读取到名为'tides'的pandas数据框中。该数据集包含超过32,000行数据（英国每15分钟测量一次潮汐时间）。其中一列包含日期和时间信息（变量称为'datetime'），另一列包含潮汐的高度（称为“潮汐”）：

我想绘制沿x轴的日期时间和y轴使用：

import numpy  as np 
import matplotlib  as mpl 
import matplotlib.pyplot as plt 
import pandas  as pd 
import openpyxl 
import datetime  as dt 
from matplotlib.dates import date2num 

<-- Data imported from Excel spreadsheet into DataFrame using openpyxl. --> 
<-- Code omitted for ease of reading.         --> 

# Convert datatime variable to datetime64 format: 
tides['datetime'] = pd.to_datetime(tides['datetime']) 

# Plot figure of 'datetime' vs 'tide': 
fig = plt.figure() 
ax_tides = fig.add_subplot(1,1,1) 
ax_tides.plot_date(date2num(phj_tides['datetime']),phj_tides['tide'],'-',xdate=True,label='Tides 2011',linewidth=0.5) 

min_datetime = dt.datetime.strptime('01/01/2011 00:00:00',"%d/%m/%Y %H:%M:%S") 
max_datetime = dt.datetime.strptime('03/01/2011 23:59:45',"%d/%m/%Y %H:%M:%S") 
ax_tides.set_xlim([min_datetime, max_datetime]) 

plt.show() 

该图显示仅仅是数据的最初几天。然而，从一天到下一天的变化，会发生一些奇怪的事情;在第1天的最后一点后，该线消失到右侧，然后返回以绘制第二天的第一个点 - 但数据在y轴上的绘制不正确。这发生在整个数据集中。打印输出显示数据似乎没问题。

number   datetime tide 
0  1 2011-01-01 00:00:00 4.296 
1  2 2011-01-01 00:15:00 4.024 
2  3 2011-01-01 00:30:00 3.768 
3  4 2011-01-01 00:45:00 3.521 
4  5 2011-01-01 01:00:00 3.292 
5  6 2011-01-01 01:15:00 3.081 
6  7 2011-01-01 01:30:00 2.887 
7  8 2011-01-01 01:45:00 2.718 
8  9 2011-01-01 02:00:00 2.577 
9  10 2011-01-01 02:15:00 2.470 
10  11 2011-01-01 02:30:00 2.403 
11  12 2011-01-01 02:45:00 2.389 
12  13 2011-01-01 03:00:00 2.417 
13  14 2011-01-01 03:15:00 2.492 
14  15 2011-01-01 03:30:00 2.611 
15  16 2011-01-01 03:45:00 2.785 
16  17 2011-01-01 04:00:00 3.020 
17  18 2011-01-01 04:15:00 3.314 
18  19 2011-01-01 04:30:00 3.665 
19  20 2011-01-01 04:45:00 4.059 
20  21 2011-01-01 05:00:00 4.483 

[21 rows x 3 columns] 
    number   datetime tide 
90  91 2011-01-01 22:30:00 7.329 
91  92 2011-01-01 22:45:00 7.014 
92  93 2011-01-01 23:00:00 6.690 
93  94 2011-01-01 23:15:00 6.352 
94  95 2011-01-01 23:30:00 6.016 
95  96 2011-01-01 23:45:00 5.690 
96  97 2011-02-01 00:00:00 5.366 
97  98 2011-02-01 00:15:00 5.043 
98  99 2011-02-01 00:30:00 4.729 
99  100 2011-02-01 00:45:00 4.426 
100  101 2011-02-01 01:00:00 4.123 
101  102 2011-02-01 01:15:00 3.832 
102  103 2011-02-01 01:30:00 3.562 
103  104 2011-02-01 01:45:00 3.303 
104  105 2011-02-01 02:00:00 3.055 
105  106 2011-02-01 02:15:00 2.827 
106  107 2011-02-01 02:30:00 2.620 
107  108 2011-02-01 02:45:00 2.434 
108  109 2011-02-01 03:00:00 2.268 
109  110 2011-02-01 03:15:00 2.141 
110  111 2011-02-01 03:30:00 2.060 

[21 rows x 3 columns] 
     number   datetime tide 
35020 35021 2011-12-31 19:00:00 5.123 
35021 35022 2011-12-31 19:15:00 4.838 
35022 35023 2011-12-31 19:30:00 4.551 
35023 35024 2011-12-31 19:45:00 4.279 
35024 35025 2011-12-31 20:00:00 4.033 
35025 35026 2011-12-31 20:15:00 3.803 
35026 35027 2011-12-31 20:30:00 3.617 
35027 35028 2011-12-31 20:45:00 3.438 
35028 35029 2011-12-31 21:00:00 3.278 
35029 35030 2011-12-31 21:15:00 3.141 
35030 35031 2011-12-31 21:30:00 3.019 
35031 35032 2011-12-31 21:45:00 2.942 
35032 35033 2011-12-31 22:00:00 2.909 
35033 35034 2011-12-31 22:15:00 2.918 
35034 35035 2011-12-31 22:30:00 2.923 
35035 35036 2011-12-31 22:45:00 2.985 
35036 35037 2011-12-31 23:00:00 3.075 
35037 35038 2011-12-31 23:15:00 3.242 
35038 35039 2011-12-31 23:30:00 3.442 
35039 35040 2011-12-31 23:45:00 3.671 

我无法解释这一点。任何人都可以解释发生了什么，为什么会发生，我该如何纠正它？

在此先感谢。

菲尔

Answer 1

我一直无法复制你的错误，但或许我的工作哑代码可以帮助诊断问题。我生成的伪数据，并使用此代码绘制它：

import pandas as pd 
import numpy as np 

ydata = np.sin(np.linspace(0, 10, num=200)) 
time_index = pd.date_range(start=pd.datetime(2000, 1, 1, 0, 0), periods=200, freq=15*pd.datetools.Minute()) 
df = pd.DataFrame({'tides': ydata, 'datetime': time_index}) 
df.plot(x='datetime', y='tides') 

我的数据是这样的

   datetime  tides 
0 2000-01-01 00:00:00 0.000000 
1 2000-01-01 00:15:00 0.050230 
2 2000-01-01 00:30:00 0.100333 
3 2000-01-01 00:45:00 0.150183 
4 2000-01-01 01:00:00 0.199654 

[200 rows] 

并生成以下情节

Answer 2

卫生署！终于找到答案。原始的工作流程非常复杂。我将数据存储在Excel电子表格中，并使用openpyxl从指定单元格范围读取数据。然后这被转换成熊猫DataFrame。日期和时间变量使用pandas的.to_datetime（）函数转换为日期时间格式。最后使用matplotlib绘制数据。当我准备将数据发布到本论坛（如rauparaha所建议的）并将其脚本削减为必需品时，我注意到Day1数据绘制于2011年1月1日，但Day2数据绘制于2011年2月1日。如果您查看原始帖子中的输出，日期是混合格式：给出的最后日期是'2011-12-31'（即年月日），但2011年1月2日的第二日是'2011-02- 01'（即年 - 月 - 月）。

因此，看起来我误解了pandas .to_datetime（）函数如何解释日期时间信息。我故意没有设置infer_datetime_format属性（默认= False），并假设任何问题都会被标记出来。但似乎熊猫假定日期是以月份为先的格式。除非它们不是，在这种情况下，它会更改为日期优先格式。我应该选择那个！

我通过提供明确定义日期时间格式的字符串来纠正了这个问题。一切都很好。

再次感谢您的建议。并为任何混淆道歉。

干杯。