python - 数据框+pandas+选择特定行

Question

我是 pandas 的新手，我的一个函数没有按预期运行。我有这个数据框:

     title_year        gross
0          2009  7.60506e+08
1          2007  3.09404e+08
2          2015  2.00074e+08
3          2012  4.48131e+08
5          2012  7.30587e+07
6          2007   3.3653e+08
7          2010  2.00807e+08
8          2015  4.58992e+08
9          2009  3.01957e+08

功能是:

def analysis_gross_per_year(year1, year2):
    year_df = data[['title_year', 'gross']]
    check = True
    year_df.title_year = year_df.title_year.fillna('Not Given')
    year_df.gross = year_df.gross.fillna('Not Given')
    year_df = year_df[year_df.gross != 'Not Given']
    gross_year = year_df[year_df.title_year.str.contains(year1, na=True)]
    number = int(year1)
    while check :
        if str(number) == year2:
            check = False
        else:
            number = number + 1
            df1 = year_df[year_df.title_year.str.contains(str(number), na=False)]
            gross_year = pd.concat([gross_year, df1])
            print (df1)

我为函数提供了第 1 年和第 2 年的 2 个参数，它应该根据所提供年份的总收入显示平均值、最小值、最大值的折线图。

例如，如果 2013 年和 2015 年。它应该显示 2013 年、2014 年、2015 年的折线图。但是，当我运行 str.contains(year1, na=True) 时，它返回一个空数据框。你能告诉我为什么吗？

Answer 1

如果您的 title_year 列被转换为 int，您可以执行如下操作。

import matplotlib.pyplot as plt
%matplotlib inline

def range_plot(year1, year2, agg):
    for a in agg: # iterate through aggregate methods
        _ = df[df['title_year'].between(year1, year2)] # subset DataFrame to contain only the year ranges specified
        _ = _.groupby('title_year').agg(a) # groupby title_year, compute summary statistic
        plt.plot(_.index.values, _['gross'], label=a) # plot

    plt.legend() # display legend
    plt.xlabel('Year')
    plt.ylabel('Gross')
    plt.title("{} - {}".format(year1, year2))

year1 和year2 是整数，agg 是要绘制的聚合函数的列表。

range_plot(2009, 2015, ['mean', 'sum', 'min', 'max'])