Python Pandas：随着时间的推移绘制GPS轨迹

Question

我有一个数据框，其中包含按日期时间索引的纬度，经度列。 时间序列数据表示对象在时间上的轨迹：

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 137824 entries, 2015-03-01 07:16:39 to 2015-04-01 00:12:38
Data columns (total 5 columns):
accuracy     137824 non-null float64
longitude    137824 non-null float64
latitude     137824 non-null float64

如何从这些点绘制轨迹以查看其时间变化？ 我首先使用Shapely创建数据框中所有点的有序列表：

import geopandas as gpd
from shapely.geometry import Point

geometry = [Point(xy) for xy in zip(df.longitude, df.latitude)]

# Define EPSG4326 coordinate reference system for GPS latitude and longitude (CRS)
crs = {'init': 'epsg:4326'}
points = gpd.GeoDataFrame(df, crs=crs, geometry=geometry)

然后，我可以绘制所有点：

points.plot(color='green')

这将绘制二维空间中x =纬度和y =经度的所有点。 如何绘制按时间顺序排列的这些点（以3D形式）？

*更新*

毕竟，用Geopandas进行绘图并不是我的最终目标。 我正在寻找任何可以及时绘制GPS坐标的方法。 也许使用常规的Pandas绘图方法或Seaborn绘图库。 这个想法是可视化移动对象的坐标如何随时间变化，也就是说可以显示其位置的历史记录。 有任何想法吗？

Answer 1

我不知道这是否是您所需要的，但是我想我可以使用Matplotlib库。

from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.dates as mdates

fig = plt.figure()
ax = fig.gca(projection='3d')
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('Time')
ax.plot(df2['lon'].values, df2['lat'].values, mdates.date2num(df2['dtime'].tolist()),label=str(1))
ax.zaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d %H:%M:%S'))
ax.legend()
plt.show()

说明：

label的作用是识别当前数据属于哪个类别，我以ID为例。

mdates.date2num与set_major_formatter结合使用。 如果我们使用以下代码：

ax.plot(df2['lon'].values, df2['lat'].values, df2['dtime'].values,label=str(1))

结果，图形时间轴显示为一个较大的整数：

如果仅使用set_major_formatter来修改时间显示格式， set_major_formatter得到错误的信息：

OverflowError: Python int too large to convert to C long

mdates.date2num将时间转换为较小的数字，因此我们需要使用mdates.date2num和set_major_formatter