我找到了一个很好的解决方案,并把它作为一个答案贴在下面。 结果如下:
可以为此问题生成的一些示例数据:
codes = list('ABCDEFGH');
dates = pd.Series(pd.date_range('2013-11-01', '2014-01-31'));
dates = dates.append(dates)
dates.sort()
df = pd.DataFrame({'amount': np.random.randint(1, 10, dates.size), 'col1': np.random.choice(codes, dates.size), 'col2': np.random.choice(codes, dates.size), 'date': dates})
导致:
In [55]: df
Out[55]:
amount col1 col2 date
0 1 D E 2013-11-01
0 5 E B 2013-11-01
1 5 G A 2013-11-02
1 7 D H 2013-11-02
2 5 E G 2013-11-03
2 4 H G 2013-11-03
3 7 A F 2013-11-04
3 3 A A 2013-11-04
4 1 E G 2013-11-05
4 7 D C 2013-11-05
5 5 C A 2013-11-06
5 7 H F 2013-11-06
6 1 G B 2013-11-07
6 8 D A 2013-11-07
7 1 B H 2013-11-08
7 8 F H 2013-11-08
8 3 A E 2013-11-09
8 1 H D 2013-11-09
9 3 B D 2013-11-10
9 1 H G 2013-11-10
10 6 E E 2013-11-11
10 6 F E 2013-11-11
11 2 G B 2013-11-12
11 5 H H 2013-11-12
12 5 F G 2013-11-13
12 5 G B 2013-11-13
13 8 H B 2013-11-14
13 6 G F 2013-11-14
14 9 F C 2013-11-15
14 4 H A 2013-11-15
.. ... ... ... ...
77 9 A B 2014-01-17
77 7 E B 2014-01-17
78 4 F E 2014-01-18
78 6 B E 2014-01-18
79 6 A H 2014-01-19
79 3 G D 2014-01-19
80 7 E E 2014-01-20
80 6 G C 2014-01-20
81 9 H G 2014-01-21
81 9 C B 2014-01-21
82 2 D D 2014-01-22
82 7 D A 2014-01-22
83 6 G B 2014-01-23
83 1 A G 2014-01-23
84 9 B D 2014-01-24
84 7 G D 2014-01-24
85 7 A F 2014-01-25
85 9 B H 2014-01-25
86 9 C D 2014-01-26
86 5 E B 2014-01-26
87 3 C H 2014-01-27
87 7 F D 2014-01-27
88 3 D G 2014-01-28
88 4 A D 2014-01-28
89 2 F A 2014-01-29
89 8 D A 2014-01-29
90 1 A G 2014-01-30
90 6 C A 2014-01-30
91 6 H C 2014-01-31
91 2 G F 2014-01-31
[184 rows x 4 columns]
我想按日历周和值col1
分组。像这样:
kw = lambda x: x.isocalendar()[1]
grouped = df.groupby([df['date'].map(kw), 'col1'], sort=False).agg({'amount': 'sum'})
导致:
In [58]: grouped
Out[58]:
amount
date col1
44 D 8
E 10
G 5
H 4
45 D 15
E 1
G 1
H 9
A 13
C 5
B 4
F 8
46 E 7
G 13
H 17
B 9
F 23
47 G 14
H 4
A 40
C 7
B 16
F 13
48 D 7
E 16
G 9
H 2
A 7
C 7
B 2
... ...
1 H 14
A 14
B 15
F 19
2 D 13
H 13
A 13
B 10
F 32
3 D 8
E 18
G 3
H 6
A 30
C 9
B 6
F 5
4 D 9
E 12
G 19
H 9
A 8
C 18
B 18
5 D 11
G 2
H 6
A 5
C 9
F 9
[87 rows x 1 columns]
然后我希望生成一个这样的图:
这意味着:x轴上的日历周和日历年(datetime)以及每个分组的col1
条。
我面临的问题是:我只有描述日历周的整数(图中的千瓦数),但不知怎么的,我必须把日期合并回去,才能得到按年标记的刻度。此外,我不能只绘制分组日历周,因为我需要项目的正确顺序(kw 47,kw 48(2013年)必须在kw 1的左侧(因为这是2014年))。
我从这里发现:
http://pandas.pydata.org/pandas-docs/stable/visualization.html#visualization-barplot分组条必须是列而不是行。所以我考虑了如何转换数据,找到了一个方法pivot
,它是一个很好的函数。reset_index
需要将多索引转换为列。最后,我用零填充NaN
s:
A = grouped.reset_index().pivot(index='date', columns='col1', values='amount').fillna(0)
将数据转换为:
col1 A B C D E F G H
date
1 4 31 0 0 0 18 13 8
2 0 12 13 22 1 17 0 8
3 3 10 4 13 12 8 7 6
4 17 0 10 7 0 25 7 4
5 7 0 7 9 8 6 0 7
44 0 0 2 11 7 0 0 2
45 9 3 2 14 0 16 21 2
46 0 14 7 2 17 13 11 8
47 5 13 0 15 19 7 5 10
48 15 8 12 2 20 4 7 6
49 20 0 0 18 22 17 11 0
50 7 11 8 6 5 6 13 10
51 8 26 0 0 5 5 16 9
52 8 13 7 5 4 10 0 11
它看起来像文档中的示例数据,以分组条形图的形式绘制:
A. plot(kind='bar')
得到这个:
然而,我对轴有问题,因为它现在被排序(从1-52),这实际上是错误的,因为日历周52属于2013年在这种情况下。。。关于如何合并日历周的实际日期时间并将其用作x轴刻度有何想法?
好吧,我自己回答问题,我终于明白了。关键是不要按日历周分组(因为您可能会丢失有关年份的信息),而是按包含日历周和日历年的字符串分组。
然后使用
pivot
更改问题中已经提到的布局(重塑)。日期将是索引。使用reset_index()
将当前的date
-索引设置为列,并取而代之以整数范围作为索引(然后按正确的顺序绘制索引(最低年份/日历周为索引0,最高年份/日历周为最高整数)。选择
date
-列作为新变量ticks
作为列表并从数据框中删除该列。现在绘制条并简单地将xtick的标签设置为ticks
。完整的解决方案非常简单,在这里:结果:
我认为resample('W')是一种更好的方法-默认情况下,它按星期日结束的周进行分组(“W”与“W-SUN”相同),但您可以指定所需的内容。
在您的示例中,请尝试以下操作:
它应该打印您的数据表并绘制一个类似于您的图,但带有“真实”日期标签:
把一年中的52次加上一周,这样周就按“年”顺序排列了。将tick标签设置回which might be nontrivial所需。
你想要的是在接下来的几周里
但是当你有一个新的一年时,它反而会减少51(
52 → 1
)。要抵消这一点,请注意年份增加了1。所以加上今年的增长乘以52,总的变化将是
-51 + 52 = 1
想要的。相关问题 更多 >
编程相关推荐