如何使用matplotlib在同一张图上绘制具有不同采样率的两个时间序列

Question

我想在同一张图中绘制两组数据。 两组数据都有200秒的数据价值。 数据集A（蓝色）以25 Hz采样，数据集B（红色）以40Hz采样。 因此，数据集A具有25 * 200 = 5000（时间，值）的样本...而数据集B具有40 * 200 = 8000（时间，值）的样本。

具有不同采样率的数据集

如您在上面看到的，我已经使用'plot_date'函数在matplotlib中绘制了这些图。 据我所知，“图”功能将不起作用，因为每个样本中（x，y）对的数量不同。 我遇到的问题是xaxis的格式。 我希望时间以秒为单位，而不是格式为hh：mm：ss的确切时间。 当前，秒数值在击中每分钟时重置为零（如下面的缩小图像所示）。

缩小全时刻度

如何使图显示时间从0-200秒增加，而不是显示hours：min：sec？

是否有一个matplotlib.dates.DateFormatter可以做到这一点（我已经尝试过，但无法弄清楚……）？ 还是我需要以某种方式将datetime x轴值操纵为持续时间，而不是精确的时间？ （这个怎么做）？

仅供参考：下面的代码是我将原始csv浮点值列表（以秒为单位）转换为日期时间对象，然后再次转换为matplotlib日期时间对象的方式-与axes.plot_date()函数一起使用。

from matplotlib import dates        
import datetime 

## arbitrary start date... we're dealing with milliseconds here.. so only showing time on the graph.
base_datetime = datetime.datetime(2018,1,1)
csvDateTime = map(lambda x: base_datetime + datetime.timedelta(seconds=x), csvTime)
csvMatTime = map(lambda x: dates.date2num(x), csvDateTime)

感谢您的帮助/建议！

Answer 1

好吧，感谢ImportanceOfBeingErnst指出我过于复杂了……

事实证明，我真的只需要ax.plot(x,y)函数，而不是ax.plot_date(mdatetime, y)函数。 只要每个单独的迹线具有相同数量的x和y值，绘图就可以绘制出不同长度的数据。 由于所有数据都是以秒为单位给出的，因此我可以轻松地将0用作“参考时间”进行绘制。

对于任何其他想要绘制持续时间而不是精确时间的人，您可以使用python的map()函数简单地操作“时间”（x）数据，或者更好的是通过列表理解来“时移”数据或转换为单个数据时间单位（例如，将分钟除以60即可转换成秒）。

“时移”可能看起来像：

# build some sample 25 Hz time data
time = range(0,1000,1)
time = [x*.04 for x in time]
# "time shift it by 5 seconds, since this data is recorded 5 seconds after the other signal
time = [x+5 for x in time]

这是我像其他任何matplotlib初学者的绘图代码:)（这不会运行，因为我没有将变量转换为通用数据...但是，这是使用matplotlib的简单示例。）

fig,ax = plt.subplots()
ax.grid()
ax.set_title(plotTitle)
ax.set_xlabel("time (s)")
ax.set_ylabel("value")

# begin looping over the different sets of data.
tup = 0
while (tup < len(alldata)):
    outTime = alldata[tup][1].get("time")
    # each signal is time shifted 5 seconds later.
    # in addition each signal has different sampling frequency, 
    # so len(outTime) is different for almost every signal.
    outTime = [x +(5*tup) for x in outTime]
    for key in alldata[tup][1]:
        if(key not in channelSelection):
            ## if we dont want to plot that data then skip it.
            continue
        else:
            data = alldata[tup][1].get(key)
            ## using list comprehension to scale y values.
            data = [100*x for x in data]
        ax.plot(outTime,data,linestyle='solid', linewidth='1', marker='')
    tup+=1
plt.show()