python - 如何在Python中将整个数据集中的值绘制为x轴刻度的子df

Question

我有一个大数据框，其中包含数千个数据点，并且有一列称为周期，格式为 2011q1 代表 2011 年第 1 季度，从 2009q2 到 2015q2。按人分组后，我得到了几个子数据帧，每个子数据帧只包含一定的时间间隔，而不是 2009 年到 2015 年的整个时间间隔。请参见下图一个子 df 的周期列。现在我想绘制所有 sub df，其中从 2009q2 到 2015q2 的整个周期间隔作为 x 轴刻度，并将 Amount 列中的聚合值作为 y 值；对于任何缺失的周期，特定子 df 的 y 值应该为 0，但是如果我使用代码 person.groupby('Period' ).aggregate({'Amount':np.sum}).plot(rot='vertical')

我正在考虑向每个子 df 添加缺少时间间隔的行，但这似乎有很多工作要做。有什么方法可以实现它而不是手动添加行？

Answer 1

您当然可以按照 Stanley 的方式进行操作，也许可以使用 full_df['Period'].unique() 来获取标签。但在我看来，您真正想做的是回到执行groupby之前并使用数据透视表。

import pandas as pd


D=pd.DataFrame({'Period':['Q1','Q1','Q2','Q2','Q4',
                         'Q2','Q2','Q3','Q3','Q4'],
               'Name':['Jack','Jack','Jack','Jack','Jack',
                       'Jill','Jill','Jill','Jill','Jill'],
               'Amount':[50,20,60,100,200,
                        65,15,25,35,150]})
D

-

    Amount  Name    Period
0   50  Jack    Q1
1   20  Jack    Q1
2   60  Jack    Q2
3   100 Jack    Q2
4   200 Jack    Q4
5   65  Jill    Q2
6   15  Jill    Q2
7   25  Jill    Q3
8   35  Jill    Q3
9   150 Jill    Q4

对表进行透视，对聚合值求和，然后调用 fillna 将 NaN 转换为零。

P=D.pivot_table('Amount','Period','Name',aggfunc=sum).fillna(0)
P

-

Name    Jack    Jill
Period      
Q1  70  0
Q2  160 80
Q3  0   60
Q4  200 150

然后使用常用工具进行绘图。例如

P.plot(kind='bar')

或

P['Jill'].plot(kind='bar')