Question

我的目的是在大型数据集中绘制每个位置（ID）的测量数据（var1，var2，Timestamp）。我的数据：

ID  var1    var2    TimeStamp
AA  2       5    8/8/2010 0:00
AA  2.5     5    1/1/2010 0:00
B7  1.1     7    1/9/2010 0:00
B7  2       6    1/8/2010 0:00
B7  3       7    1/1/2010 0:00
B7  3       6    1/9/2010 0:00
C0  4       7    1/8/1900 0:00
...

但是，如图所示，每个位置ID的数据（或行数）会有所不同（通常在3-30之间变化）要绘制每个相应位置的变量，我不确定如何继续：从我迄今为止所经历的情况来看，类似于以下内容：

np.array(data).reshape(500,20,15)

通过原始数据的np.reshape创建一个numpy ndarray，由于数据形状不规则，我不允许将数组分区到各个位置。随后，使用Pands groupby：

data_df.groupby('ID').plot('var1','var2')

立即为每个位置ID绘制var1，var2的图形，但没有机会迭代每个图形以创建标签/轴/限制等设置。（我还不知道如何迭代pandas groupby对象来创建和管理个别情节）

tldr：

根据标准（针对每个ID）从不规则形状数据（如上所示）创建np.ndarray的任何好方法？

迭代和控制pandas dataframe.groupby对象的任何方式来绘制（不只是讨论汇总的均值/最小/最大等）变量？

Answer 1

使用pandas绝对是处理此类数据的方法。

groupby().plot()会返回一个或多个Axes个对象。你可以简单地迭代它们来改变它们的方面：

axs = data_df.groupby('ID').plot('var1','var2')
for ax in axs.values():
    ax.set_ylabel('whatever')
    ...

不能使用numpy.ndarray或pandas groupby创建单独的图

1 个答案: