Question

我有两组连续的数据，希望将它们传递到轮廓图中。 x轴为时间，y轴为质量，z轴为频率（以该数据点出现的次数为单位）。但是，大多数数据点并不相同，而是非常相似。因此，我怀疑同时离散化x轴和y轴是最容易的。

这是我当前拥有的数据：

输入

import pandas as pd
df = pd.read_excel('data.xlsx')
df['Dates'].head(5)
df['Mass'].head(5)

输出

13   2003-05-09
14   2003-09-09
15   2010-01-18
16   2010-11-21
17   2012-06-29
Name: Date, dtype: datetime64[ns]

13    2500.0
14    3500.0
15    4000.0
16    4500.0
17    5000.0
Name: Mass, dtype: float64

我想转换数据，以便将一年之内的数据点分组（例如：2003年采集的所有数据点），并将不同质量级别内的数据点分组（例如：3000-4000之间的所有数据点）公斤）。接下来，代码将计算每个块中有多少个数据点，并将其作为z轴传递。

理想情况下，我还希望能够调整切片的级别。例如：每100公斤（而不是1000公斤）对点进行分组，或者传递自定义的不均等级别列表。我将如何去做？

Answer 1

我认为您要查找的功能是pd.cut

import pandas as pd
import numpy as np
import datetime

n = 10
scale = 1e3
Min = 0
Max = 1e4

np.random.seed(6)

Start = datetime.datetime(2000, 1, 1)
Dates = np.array([base + datetime.timedelta(days=i*180) for i in range(n)])
Mass = np.random.rand(n)*10000
df = pd.DataFrame(index = Dates, data = {'Mass':Mass})

print(df)

给您

                   Mass
2000-01-01  8928.601514
2000-06-29  3319.798053
2000-12-26  8212.291231
2001-06-24   416.966257
2001-12-21  1076.566799
2002-06-19  5950.520642
2002-12-16  5298.173622
2003-06-14  4188.074286
2003-12-11  3354.078493
2004-06-08  6225.194322

如果要将质量按1000分组或实现自己的自定义垃圾箱，则可以执行以下操作：

Bins,Labels=np.arange(Min,Max+.1,scale),(np.arange(Min,Max,scale))+(scale)/2
EqualBins = pd.cut(df['Mass'],bins=Bins,labels=Labels)
df.insert(1,'Equal Bins',EqualBins)

Bins,Labels=[0,1000,5000,10000],['Small','Medium','Big']
CustomBins = pd.cut(df['Mass'],bins=Bins,labels=Labels)
df.insert(2,'Custom Bins',CustomBins)

如果只想显示年，月等，则非常简单：

df['Year'] = df.index.year
df['Month'] = df.index.month

但您也可以根据需要设置自定义日期范围：

Bins=[datetime.datetime(1999, 12, 31),datetime.datetime(2000, 9, 1),
      datetime.datetime(2002, 1, 1),datetime.datetime(2010, 9, 1)]


Labels = ['Early','Middle','Late']
CustomDateBins = pd.cut(df.index,bins=Bins,labels=Labels)
df.insert(3,'Custom Date Bins',CustomDateBins)

print(df)

这会产生类似您想要的东西：

                   Mass Equal Bins Custom Bins Custom Date Bins  Year  Month
2000-01-01  8928.601514     8500.0         Big            Early  2000      1
2000-06-29  3319.798053     3500.0      Medium            Early  2000      6
2000-12-26  8212.291231     8500.0         Big           Middle  2000     12
2001-06-24   416.966257      500.0       Small           Middle  2001      6
2001-12-21  1076.566799     1500.0      Medium           Middle  2001     12
2002-06-19  5950.520642     5500.0         Big             Late  2002      6
2002-12-16  5298.173622     5500.0         Big             Late  2002     12
2003-06-14  4188.074286     4500.0      Medium             Late  2003      6
2003-12-11  3354.078493     3500.0      Medium             Late  2003     12
2004-06-08  6225.194322     6500.0         Big             Late  2004      6

.groupby函数可能对您也很有趣：

yeargroup = df.groupby(df.index.year).mean()
massgroup = df.groupby(df['Equal Bins']).count()
print(yeargroup)
print(massgroup)

             Mass    Year     Month
2000  6820.230266  2000.0  6.333333
2001   746.766528  2001.0  9.000000
2002  5624.347132  2002.0  9.000000
2003  3771.076389  2003.0  9.000000
2004  6225.194322  2004.0  6.000000
            Mass  Custom Bins  Custom Date Bins  Year  Month
Equal Bins                                                  
500.0          1            1                 1     1      1
1500.0         1            1                 1     1      1
2500.0         0            0                 0     0      0
3500.0         2            2                 2     2      2
4500.0         1            1                 1     1      1
5500.0         2            2                 2     2      2
6500.0         1            1                 1     1      1
7500.0         0            0                 0     0      0
8500.0         2            2                 2     2      2
9500.0         0            0                 0     0      0

如何使用pandas和matplotlib生成离散数据以传递到等高线图中？

1 个答案: