如何在熊猫中绘制日期的核密度图?

时间:2015-07-10 19:21:38

标签: python pandas matplotlib time-series kernel-density

我有一个pandas数据框,其中每个观察都有一个日期(作为datetime [64]格式的条目列)。这些日期分布在大约5年的时间内。我想绘制所有观测日期的核密度图,其中年份标记在x轴上。

我已经想出如何相对于某个参考日期创建时间增量,然后创建每个观测值与参考日期之间的小时/天/年数的密度图:

df['relativeDate'].astype('timedelta64[D]').plot(kind='kde')

但这并不是我想要的:如果我转换为年度增量,那么x轴是正确的,但我失去了年内的变化。但是,如果我花费较小的时间(如小时或天),则x轴标签更难以解释。

在熊猫中使这项工作最简单的方法是什么?

2 个答案:

答案 0 :(得分:6)

受@JohnE的回答启发,将日期转换为数值的另一种方法是使用.toordinal()

import pandas as pd
import numpy as np

# simulate some artificial data
# ===============================
np.random.seed(0)
dates = pd.date_range('2010-01-01', periods=31, freq='D')
df = pd.DataFrame(np.random.choice(dates,100), columns=['dates'])
# use toordinal() to get datenum
df['ordinal'] = [x.toordinal() for x in df.dates]

print(df)

        dates  ordinal
0  2010-01-13   733785
1  2010-01-16   733788
2  2010-01-22   733794
3  2010-01-01   733773
4  2010-01-04   733776
5  2010-01-28   733800
6  2010-01-04   733776
7  2010-01-08   733780
8  2010-01-10   733782
9  2010-01-20   733792
..        ...      ...
90 2010-01-19   733791
91 2010-01-28   733800
92 2010-01-01   733773
93 2010-01-15   733787
94 2010-01-04   733776
95 2010-01-22   733794
96 2010-01-13   733785
97 2010-01-26   733798
98 2010-01-11   733783
99 2010-01-21   733793

[100 rows x 2 columns]    

# plot non-parametric kde on numeric datenum
ax = df['ordinal'].plot(kind='kde')
# rename the xticks with labels
x_ticks = ax.get_xticks()
ax.set_xticks(x_ticks[::2])
xlabels = [datetime.datetime.fromordinal(int(x)).strftime('%Y-%m-%d') for x in x_ticks[::2]]
ax.set_xticklabels(xlabels)

enter image description here

答案 1 :(得分:3)

我想有一些更好,更自动的方法来做到这一点,但如果没有,那么这应该是一个体面的解决方法。首先,让我们设置一些示例数据:

np.random.seed(479)
start_date = '2011-1-1'
df = pd.DataFrame({ 'date':np.random.choice( 
                    pd.date_range(start_date, periods=365*5, freq='D'), 50) })

df['rel'] = df['date'] - pd.to_datetime(start_date)
df.rel = df.rel.astype('timedelta64[D]')

        date   rel
0 2014-06-06  1252
1 2011-10-26   298
2 2013-08-24   966
3 2014-09-25  1363
4 2011-12-23   356

如您所见,'rel'只是自开始日起的天数。它本质上是一个整数,所以你真正需要做的就是根据开始日期对其进行标准化。

df['year_as_float'] = pd.to_datetime(start_date).year + df.rel / 365.

        date   rel  year_as_float
0 2014-06-06  1252    2014.430137
1 2011-10-26   298    2011.816438
2 2013-08-24   966    2013.646575
3 2014-09-25  1363    2014.734247
4 2011-12-23   356    2011.975342

你需要稍微调整一个不是从1月1日开始的日期。这也忽略了任何闰年,如果你只是制作一个5年以上的KDE情节,这真的不是一个实际问题,但它可能这取决于你可能想做什么。

这是情节

df['year_as_float']d.plot(kind='kde')

enter image description here