使用Pandas数据框在Bokeh图中排序日期

Question

我有一个pandas数据框，每天有4个不同的分数：

import pandas as pd 
df = pd.DataFrame( {u'Date' : ['2014-08-15', '2014-08-16', '2014-08-17', '2014-08-18', '2014-08-19', '2014-08-20',
                               '2014-08-15', '2014-08-16', '2014-08-17', '2014-08-18', '2014-08-19', '2014-08-20',
                               '2014-08-15', '2014-08-16', '2014-08-17', '2014-08-18', '2014-08-19', '2014-08-20',
                               '2014-08-15', '2014-08-16', '2014-08-17', '2014-08-18', '2014-08-19', '2014-08-20'],
                    u'Score': [-0.13, -0.25, 0.1, -0.3, -0.1, 0.1,
                               -0.1, 0.1, -0.05, 0.2, -0.13, -0.25,
                               0.2, 0.5, 0.4, -0.2, -0.25, 0.1,
                               -0.3, 0.1, 0.25, 0.05, -0.05, 0.2]})
    df.Date = pd.to_datetime(df.Date,format='%Y-%m-%d')

我想画出每天分数的平均值。我尝试了以下代码：

from numpy import *
from bokeh.plotting import *
output_file('question.html')
figure(x_axis_type="datetime", plot_width=800, plot_height=500)
grouped = df.groupby("Date")
score = grouped["Score"]
avg = score.mean()
print dates
dates = asarray(grouped.groups.keys())
hold(True)
line(dates, avg, line_color="grey", line_width=8, line_join="round")
asterisk(dates, avg, line_color="black", size=15)
hold(False)

但是，这段代码导致日期数组乱了：

print dates
['2014-08-15T02:00:00.000000000+0200' '2014-08-16T02:00:00.000000000+0200'
 '2014-08-18T02:00:00.000000000+0200' '2014-08-19T02:00:00.000000000+0200'
 '2014-08-17T02:00:00.000000000+0200' '2014-08-20T02:00:00.000000000+0200']

因此，我得到的图表线条（可以在这个链接查看图片）也是错误的。

我尝试用以下代码按日期排序：

df = df.sort(['Date'])

但这并没有帮助。

另一方面，如果我尝试画一个只有4天的数据框，而不是6天：

df = pd.DataFrame( {u'Date' : ['2014-08-15', '2014-08-16', '2014-08-17', '2014-08-18',
                               '2014-08-15', '2014-08-16', '2014-08-17', '2014-08-18',
                               '2014-08-15', '2014-08-16', '2014-08-17', '2014-08-18',
                               '2014-08-15', '2014-08-16', '2014-08-17', '2014-08-18'],
                    u'Score': [-0.13, -0.25, 0.1, -0.3,
                               -0.1, 0.1, -0.05, 0.2,
                               0.2, 0.5, 0.4, -0.2,
                               -0.3, 0.1, 0.25, 0.05]})

那么日期数组就会是有序的，图表也正确。我不明白为什么会这样，但无论如何，我想要的是包含6天或更多日期的图表。

如果你能帮我一下，我会非常感激。很明显，我在某些地方做错了，但我还是个初学者，已经尝试了无数种解决方案，但都没有成功。谢谢你！

Answer 1

这个 avg 序列会把时间戳按正确的顺序放在索引里，可以直接传给 bokeh 的绘图函数，像这样。

line(avg.index, avg, line_color="grey", line_width=8, line_join="round")
asterisk(avg.index, avg, line_color="black", size=15)

Answer 2

如果你检查一下类型：

>>> type(df.groupby('Date').groups)
<class 'dict'>

那么，作为一个字典，df.groupby('Date').groups 在你访问项目或键的时候，并没有提供任何顺序保证; 在你的例子中，grouped.groups.keys()；所以当你单独从groupby中提取dates和avg时，你会失去它们之间的一致性和对应关系。

如果你想处理datetime对象和简单的numpy数组（而不是pandas系列），你可以按照下面的方式操作，以确保顺序一致：

>>> ts = df.groupby('Date')['Score'].mean()
>>> avg, dates = ts.values, ts.index.map(pd.Timestamp.date)

这样你就会得到：

>>> avg
array([-0.0825,  0.1125,  0.175 , -0.0625, -0.1325,  0.0375])
>>> dates
array([datetime.date(2014, 8, 15), datetime.date(2014, 8, 16), datetime.date(2014, 8, 17), datetime.date(2014, 8, 18),
       datetime.date(2014, 8, 19), datetime.date(2014, 8, 20)], dtype=object)

注意，groupby 默认参数是sort=True，所以输出已经按索引排序了：

>>> df.groupby('Date')['Score'].mean()
Date
2014-08-15   -0.082
2014-08-16    0.112
2014-08-17    0.175
2014-08-18   -0.062
2014-08-19   -0.133
2014-08-20    0.038
Name: Score, dtype: float64