Question

因此，我有一个pandas数据框，其中包含大量列，其中一列是datetime格式的时间戳。数据框中的每一行代表一个“事件”。我要做的是绘制这些事件随时间变化的频率。基本上是一个简单的条形图，显示每月有多少事件。

以以下代码开头：

data.groupby([(data.Timestamp.dt.year),(data.Timestamp.dt.month)]).count().plot(kind = 'bar')
plt.show()

这种“种类”有效。但是有两个问题：

1）该图带有图例，该图例包括原始数据中的所有列（例如30多个列）。而且图形上的每个条形图都有一个很小的子条形图（每个列的值都相同，因为我只是在计算事件）。

2）在某些月份中，零事件发生。这些个月根本没有出现在图表上。

我终于想出了代码，使图形看起来像我想要的样子。但是在我看来，我并不是以“正确”的方式进行操作，因为这肯定是一个相当普遍的用例。

基本上，我创建了一个新数据框，其中有一列“ count”和一个索引，该索引用月/年的字符串表示。我在关心的时间范围内填充了零，然后将数据从第一帧复制到新帧。这是代码：

import pandas as pd
import matplotlib.pyplot as plt

cnt = data.groupby([(data.Timestamp.dt.year),(data.Timestamp.dt.month)]).count()
index = []
for year in [2015, 2016, 2017, 2018]:
    for month in range(1,13):
        index.append('%04d-%02d'%(year, month))

cnt_new = pd.DataFrame(index=index, columns=['count'])
cnt_new = cnt_new.fillna(0)
for i, row in cnt.iterrows():
    cnt_new.at['%04d-%02d'%i,'count'] = row[0]
cnt_new.plot(kind = 'bar')

plt.show()

有人知道一种更简单的方法吗？

编辑->根据请求，以下是数据框类型的概念。它是来自SQL查询的结果。实际数据是我公司的……

              Timestamp     FirstName    LastName  HairColor \
0   2018-11-30 02:16:11     Fred         Schwartz  brown
1   2018-11-29 16:25:55     Sam          Smith     black
2   2018-11-19 21:12:29     Helen        Hunt      red

好的，我想我明白了。感谢Yuca提供的重采样命令。我只需要在Timestamp数据系列上运行它（而不是在整个数据帧上），它就可以为我提供我想要的东西。

> data.index = data.Timestamp
> data.Timestamp.resample('M').count()
Timestamp
2017-11-30    0
2017-12-31    0
2018-01-31    1
2018-02-28    2
2018-03-31    7
2018-04-30    9
2018-05-31    2
2018-06-30    6
2018-07-31    5
2018-08-31    4
2018-09-30    1
2018-10-31    0
2018-11-30    5

Answer 1

所以OP请求是：“基本上是一个简单的条形图，显示每月有多少事件”

使用pd.resample和每月一次的频率可获得预期的结果

df[['FirstName']].resample('M').count()

输出：

             FirstName  
Timestamp                                 
2018-11-30          3

要包括未观察到的月份，我们需要创建一个基准日历

df_a = pd.DataFrame(index = pd.date_range(df.index[0].date(), periods=12, freq='M'))

然后将其重采样结果分配给它

df_a['count'] = df[['FirstName']].resample('M').count()

输出：

            count
2018-11-30    3.0
2018-12-31    NaN
2019-01-31    NaN
2019-02-28    NaN
2019-03-31    NaN
2019-04-30    NaN
2019-05-31    NaN
2019-06-30    NaN
2019-07-31    NaN
2019-08-31    NaN
2019-09-30    NaN
2019-10-31    NaN

按时间戳分组的数据帧的绘图计数

1 个答案: