如何在时间序列上绘制事件的频率？

Question

我有一个带有日期和一个质量虚拟对象（0或1）的数据框：

      unixTimestamp         date     quality
 0       1370131200   06 2, 2013           1
 1       1290643200  11 25, 2010           1
 2       1283990400   09 9, 2010           1
 3       1290556800  11 24, 2010           1
 4       1317254400  09 29, 2011           1
 5       1388707200   01 3, 2014           1
 6       1398556800  04 27, 2014           1
 7       1399161600   05 4, 2014           0
 8       1405036800  07 11, 2014           1
 9       1390176000  01 20, 2014           1
 10      1397606400  04 16, 2014           1

我想做的是：随时间绘制quality中yes（1）的频率。

我尝试过的方法：绘制像这样的直方图：

plt.hist(x=df.loc[df['quality'] == 1].unixTimestamp, bins=78)
plt.show()

我之所以选择78，是因为quality等于1的最近日期是1405123200，最早的日期是1203379200。这分别转换为2014年7月12日和2008年2月19日。两者之间的区别是78个月。 结果输出非常混乱：

有人可以告诉我如何在散点图上绘制此趋势吗？我仅与unixTimestamp合作。非常欢迎提出一种更好的方法来处理时间序列数据。

此外，它在df的170行上运行。实际数据有约1000万行。有人还能提出代表数据的最佳方法吗？预先感谢！

Answer 1

您似乎希望按日期将观察结果分组，然后按质量将其等于1的每个时间段（天，月，...）内的行数分组。

该工作已在熊猫中用于.groupby方法中。在进行分组之前，请确保python也可以识别日期。

import pandas as pd

df['alt_date'] = pd.to_datetime(df['unixTimestamp'], unit='s')
daily_quality = df.groupby('alt_date')['quality'].sum()

现在，您可以使用pd.DataFrame.plot()绘制结果，它使用matplotlib轻松地从pandas数据框中绘制图形：

import matplotlib.pyplot as plt

daily_quality.plot(kind='bar')
plt.show()

如果您希望按月对日期进行分组，则可以使用pd.Grouper()，其工作方式如下：

monthly_quality = df.groupby(pd.Grouper(key='alt_date', freq='M'))['quality']
                    .sum()
                    .fillna(0)   # in case you have missing months

monthly_quality.plot(kind='bar')
plt.show()