时间序列累积和的 Pythonic 代码

Question

我有一个 pandas 数据框，其中的 Date_of_Purchase 列包含许多 datetime 值:

dop_phev = rebates[rebates['Vehicle_Type']=='Plug-in Hybrid']['Date_of_Purchase']
dop_phev

输出:

0     2015-07-20
1     2015-07-20
3     2015-07-20
4     2015-07-24
5     2015-07-24
     ...    
502   2017-09-16
503   2017-09-18
504   2017-06-14
505   2017-09-21
506   2017-09-22
Name: Date_of_Purchase, Length: 383, dtype: datetime64[ns]`

我想绘制累计购买量 y 与日期 x 的关系图。我开始研究一个解决方案，我循环遍历每个日期并计算所有小于该日期的日期，但这绝对是一个“非Pythonic”解决方案。我怎样才能用Pythonic代码完成这个任务？

编辑:我不确定它到底是什么样子，但这是我当前的解决方案:

dop_phev = rebates[rebates['Vehicle_Type']=='Plug-in Hybrid']['Date_of_Purchase']
cum_count = np.zeros(len(dop_phev.unique()))
for i, date in enumerate(dop_phev.unique()):
    cum_count[i] = sum(dop_phev<date)
plt.plot(dop_phev.unique(),cum_count)

这不太有效...

仅供引用，我正在学习this dataset关于电动汽车的折扣。您可以在我的 GitHub 存储库 here 上找到数据的 CSV .

Answer 1

您可以使用Series.groupby然后Series.plot :

dop_phev = dop_phev.groupby(dop_phev).apply(lambda x: sum(dop_phev<x.name))
print (dop_phev)
2015-07-20    0
2015-07-24    3
2017-06-14    5
2017-09-16    6
2017-09-18    7
2017-09-21    8
2017-09-22    9
Name: Date_of_Purchase, dtype: int64

dop_phev.plot()