问题描述
我有一个数据框，其中显示了唯一ID及其激活的持续时间（即ID 1821已显示170天，12小时，34分钟和12秒处于激活状态）：
ID Duration
0 1821 170 days 12:34:12
1 1245 30 days 11:11:23
2 1345 110 days 15:12:01
3 8782 22 days 22:01:11
4 8123 21 days 01:13:42
5 9292 0 days 12:12:14
6 1921 11 days 22:11:41
7 1920 12 days 02:12:58
8 9182 160 days 21:11:04
是否可以使用此数据创建直方图以显示所有ID的时间分布（原始数据包含100万行）？因为持续时间不是日期格式，所以我不确定是否仍然可以使用几天，几小时或几分钟来创建直方图？
谢谢
解决方法
我将所有的天数和小时数一起转换为一个数字，但是我将它们全部转换为秒以可视化它们的频率。
import pandas as pd
import numpy as np
import datetime
import io
data = '''
ID Duration
0 1821 "170 days 12:34:12"
1 1245 "30 days 11:11:23"
2 1345 "110 days 15:12:01"
3 8782 "22 days 22:01:11"
4 8123 "21 days 01:13:42"
5 9292 "0 days 12:12:14"
6 1921 "11 days 22:11:41"
7 1920 "2 days 02:12:58"
8 9182 "160 days 21:11:04"
'''
df = pd.read_csv(io.StringIO(data),sep='\s+')
df1 = pd.concat([df['ID'],df['Duration'].str.split(' days ',expand=True)],axis=1)
df1.rename(columns={0:'days',1:'time'},inplace=True)
df1['time'] = pd.to_datetime(df1['time'])
df1['days'] = df1['days'].astype(int)
df1['total_seconds'] = (df1['days'] * 24 * 60 * 60) + (df1['time'].dt.hour * 60 * 60) + (df1['time'].dt.minute * 60) + df1['time'].dt.second
df1[['total_seconds']].plot.hist(bins=12)
使用pd.cut将列Duration的值分为几天的离散间隔，然后在此分类序列上使用Series.value_counts + Series.sort_index以获取每个间隔的频率分布，然后将Series.plot与可选参数kind='bar'一起使用：
bins = range(0,df['Duration'].max().days + 10,10)
data = pd.cut(df['Duration'].dt.days,bins,include_lowest=True)
data.value_counts().sort_index().plot(kind='bar')
plt.xlabel('Days Active')
plt.ylabel('Number of Users Active')
plt.title('Distribution of Active users')
结果：
