Polars timezone not respected in graph_objects.scatter
Dieses Issue hat noch niemand übernommen.
- Vorherrschende Sprache
- Python
- Sterne
- 18.8k
- Forks
- 2.8k
- Ø Merge
- 16 Std. 26 Min.
- Gemergte PRs (30 T.)
- 21
Beschreibung
latest version of plotly // python 3.12
from datetime import datetime, timedelta
from zoneinfo import ZoneInfo
import pandas as pd
import polars as pl
daterange = [datetime(2023, 1, 1, tzinfo=ZoneInfo("Australia/Brisbane")) + timedelta(hours=i) for i in range(48)]
df_1 = pl.DataFrame(
{
"timestamp": daterange,
"line1": [0.1] * 24 + [0.2] * 24,
}
)
df_2 = pl.DataFrame(
{
"timestamp": daterange,
"line2": [0.0] * 24 + [0.4] * 24,
}
)
fig = px.line(df_1, x="timestamp", y="line1")
fig.add_trace(
go.Scatter(
x=df_2["timestamp"],
y=df_2["line2"],
name="line2",
)
)
fig.show()
"line1" (using px.line )renders correctly with local time on the X-axis. But "line2" (using go.Scatter) gets converted to UTC.
This goes away if df_2 uses pandas or I pass in df_2['timestamp'].to_list() instead.
Probably related to https://github.com/plotly/plotly.py/issues/5166 - is this just because polars isn't supported, but since we've not got type hints in plotly my IDE wasn't complaining?
Beitragsleitfaden
Erste Schritte
- Lies das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreib ins Issue, dass du es übernimmst — das erspart doppelte Arbeit.
- Forke das Repository und arbeite in einem Branch.
- Öffne einen Pull Request, der die Issue-Nummer nennt.
Rechercherichtung
Beginne mit der bereitgestellten Python-Reproduktion und vergleiche px.line mit go.Scatter, wenn x eine Polars timestamp Series statt einer Liste oder pandas-Daten ist. Verfolge den von go.Scatter verwendeten Konvertierungspfad und überprüfe, wie Zeitzoneninformationen behandelt werden. Als abgeschlossen gilt die Aufgabe, wenn die Polars Series die lokale Zeitzone konsistent beibehält und die Reproduktion beide Datenreihen mit übereinstimmenden Zeitwerten rendert.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Bewertung
- Tech-Stack
- pandas, python
- Bereich
- data-visualization
- Issue-Typ
- Bug
- Schwierigkeit
- 3/5
- Geschätzter Aufwand
- 1-2 Tage
- Aktivitätsstatus
- Veraltet
- Klarheit
- Größtenteils klar
- Anfängerfreundlichkeit
- 45/100