创建Pandas DataFrame以与ggPlot线图一起使用

Question

我正在尝试创建一个Pandas dataFrame，以便我可以使用ggPlot创建一些可视化。但我很难获得DataFrame结构设置。

我的可视化将是（年与总数）的线图。线图将多年来跟踪多个'cause_of_death'。

我导入了我的CSV文件，按年份分组，然后是'cause_of_death'并进行计数。但是创建一个线图并不是正确的格式，因为它不是一个DataFrame。

以下是我的代码;任何建议都会有所帮助，谢谢。

我想从CSV文件中找到的字段是'deathYear'和'cause_of_death'

from pandas import * 
from ggplot import *

df = pandas.read_csv('query_result.csv')

newDF = df.loc[:,['date_of_death_year','acme_underlying_cause_code']]
data = DataFrame(newDF.groupby(['date_of_death_year','acme_underlying_cause_code']).size())

print data

Answer 1

这是一个很大的问题，但解决起来非常简单。 （提示，它与ggplot无关。它是关于pandas如何工作的全部）

以下是我如何呈现您的代码：

import numpy as np   # |Don't import * from these
import pandas as pd  # |
from ggplot import * # But this is customary because it's like R

# All this bit is just to make a DataFrame
# You can ignore it all
causes = ['foo', 'bar', 'baz']
years = [2001, 2002, 2003, 2004]
size = 100
data = {'causes':np.random.choice(causes, size),
        'years':np.random.choice(years, size),
        'something_else':np.random.random(size)
        }
df = pd.DataFrame(data)

# Here's where the good stuff happens. You're importing from
# a CSV so you can just start here
counts = df.groupby(['years', 'causes'])['something_else'].count()
counts = counts.reset_index() # Because ggplot doesn't plot with indexes
g = ggplot(counts, aes(x='years', y='something_else', color='causes')) +\
        geom_line()
print(g)

导致：