随时间绘制分类数据计数答案

【问题标题】：Plotting categorical data counts over time随时间绘制分类数据计数
【发布时间】：2020-02-11 16:40:30
【问题描述】：

我有一个 DataFrame (df)，其中有一列包含分类数据 (ETH)，带有一个 DateTimeIndex，我想随时间绘制类别计数（他们'按天重新索引，理想情况下我希望按年份绘制它们）。

df = pd.DataFrame({
    'County': {
        0: 'Bexar',
        3: 'Nueces',
        4: 'Kerr',
        9: 'Harris',
        13: 'Hidalgo'},
    'Date': {
        0: '2012-10-28 00:00:00',
        3: '2012-04-16 00:00:00',
        4: '2013-09-04 00:00:00',
        9: '2013-01-22 00:00:00',
        13: '2013-09-26 00:00:00'},
    'ETH': {
        0: 'Red',
        3: 'Green',
        4: 'Red',
        9: 'Green',
        13: 'Red'}
})
df['Date'] = pd.to_datetime(df['Date'], dayfirst=True, infer_datetime_format = True)
df['ETH'] = df['ETH'].astype('category')
df = df.set_index('Date')

但是，groupby 或 pivot 的组合并没有给我任何我想要的东西，即使我知道这应该相当简单。我似乎找不到执行此操作的标准方法 - 帮助？

【问题讨论】：

标签： matplotlib pandas

【解决方案1】：

下面的代码将首先按类别“ETH”进行分组，然后遍历每个组。

对于每个组，然后使用 lambda 函数按 DataTimeIndex 年份分组，并返回该年份的行数。然后它会绘制这些计数。

绘制年份时，它会将其绘制为数字（而不是日期），这就是 x 轴看起来有点奇怪的原因，您可以将其转换回日期（比如每年的 1 月 1 日）它更漂亮。我使用plt.xlim 和plt.ylim 稍微调整了限制，使其更易于查看。

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({
    'County': {
        0: 'Bexar',
        3: 'Nueces',
        4: 'Kerr',
        9: 'Harris',
        13: 'Hidalgo'},
    'Date': {
        0: '2012-10-28 00:00:00',
        3: '2012-04-16 00:00:00',
        4: '2013-09-04 00:00:00',
        9: '2013-01-22 00:00:00',
        13: '2013-09-26 00:00:00'},
    'ETH': {
        0: 'Red',
        3: 'Green',
        4: 'Red',
        9: 'Green',
        13: 'Red'}
})
df['Date'] = pd.to_datetime(df['Date'], dayfirst=True, infer_datetime_format = True)
df['ETH'] = df['ETH'].astype('category')
df = df.set_index('Date')

grouped = df.groupby('ETH')

for key, group in grouped:
    data = group.groupby(lambda x: x.year).count()
    data['ETH'].plot(label=key)

plt.xlim(2011, 2014)
plt.ylim(0,3)

plt.legend()

plt.show()

是的，我意识到颜色与 ETH 变量不匹配，因此“绿色”绘制为蓝色，而“红色”绘制为绿色：P

【讨论】：

正是我想要的！