绘制日期时间系列，计算另一个系列的值答案

【问题标题】：Plotting a datetime serie, counting the values for another serie绘制日期时间系列，计算另一个系列的值
【发布时间】：2020-08-19 17:31:08
【问题描述】：

我陷入了一个绘图问题。在寻求帮助之前，我做了一些研究。

我有一个如下所示的数据框：

date            text
2020-08-18      hey what's up?
2020-08-18      all good here
2020-08-17      happy Monday
2020-08-17      no news good news
2020-08-17      it's been a while
2020-08-16      see you tomorrow

长话短说，我正在尝试绘制一个垂直条形图或折线图，其中 ['date'] 作为我的 x，['text'] 的 COUNT 作为我的 y。 2020-08-18 有 2 个条目，2020-08-17 有 3 个条目，2020-08-16 有 1 个条目。

使用 SQL 我只需要执行以下操作：

SELECT date, COUNT(date) AS count_date FROM my_table GROUP BY date

使用 Python，我已经把事情复杂化了，这样做：

df['date_count'] = df.groupby(['date'])['date'].transform('size')
df_temporary = df.loc[ : , ['date', 'date_count'] ].drop_duplicates()

然后我可以绘制整个事情：

sns.plotline(data=df_temporary, x='date', y='date_count')

或其 Matplotlib 等效项：

plt.line(df_temporary.date, df_temporary.date_count)

它有效，但我的意思是，它不可能那么复杂，对吧？

什么是我没有看到的明显的东西？如何获取每个唯一日期的 COUNT？

【问题讨论】：

标签： python pandas matplotlib seaborn

【解决方案1】：

最简单的是：

ax = df.groupby('date').size().plot(kind='bar')

这为您提供了一个非常简单的图表，您可以根据自己的喜好进行自定义：

【讨论】：

这与 Matplotlib 完美配合，非常感谢！

【解决方案2】：

您可以创建一个临时数据框，以计算每个日期的唯一日期。

temp['date_count'] = df.groupby(['date'])['date'].nunique().reset_index()

然后用它来绘制你的图表

sns.plotline(data=temp, x='date', y='date_count')

【讨论】：

太好了，因为我也可以在 Altair 中使用它:) 谢谢！

【解决方案3】：

您确实很接近，语法实际上与 SQL 非常相似

密钥是df.groupby(key to group by)[target column for agg function].count()

import matplotlib.pyplot as plt
from io import StringIO

d = """date            text
2020-08-18      hey what's up?
2020-08-18      all good here
2020-08-17      happy Monday
2020-08-17      no news good news
2020-08-17      it's been a while
2020-08-16      see you tomorrow"""

df = pd.read_csv(StringIO(d),sep='\s\s+',parse_dates=['date'])

df.groupby('date')['date'].count().plot(kind='line',title='Count of Text by Date'
                                   )

【讨论】：

非常感谢您的帮助。我确实很接近，但到目前为止:)

【解决方案4】：

是的，你是对的。所有这些事情都可以在一条线上完成。

plt.plot(df.groupby("date").apply(len))

【讨论】：