python - 根据特定列值绘制 pandas 数据框的多行的快速方法

Question

我有一个时间序列数据框，看起来有点像:

A = 
date,uuid,diesel,e5,e10
2018-01-31 00:01:06+01,c03c846e-64ec-437f-9a52-9eda8088c4b2,1.239,1.419,1.399
2018-01-31 00:03:06+01,6dc575da-3c85-430c-a17a-6efdae0dcf5a,1.249,1.419,1.399

其中日期是索引并且(可以选择解析为日期时间)。

数据集非常大(>100.000.000 行)，包含大约 15.000 个唯一的 uuid。

我想绘制每个 uuid(=加油站)的价格(柴油、e10、e5)如何随时间变化的图，或者只是一些随机采样数(如 10 或 100)的图。

目前我正在使用循环执行此操作，但由于 pandas 中的循环非常慢，我想知道是否有更快的矢量化技术:

for count,uuid in enumerate(dataframe.uuid):
    x = dataframe.loc[dataframe.uuid == uuid].index
    # diesel
    ax1.plot(x, dataframe.loc[dataframe.uuid == uuid].diesel)
    # e10
    ax2.plot(x, dataframe.loc[dataframe.uuid == uuid].e10)
    # e5
    ax3.plot(x, dataframe.loc[dataframe.uuid == uuid].e5)
    if count >= cap-1:
        break
plt.show()

编辑:

按uuid和date正确分组后，数据集看起来很有希望实现我想要的功能:dataframe.groupby(['uuid','date'] ).sum()[['柴油','e10','e5']]

                                                               diesel   e10     e5
station_uuid                            date            
00006210-0037-4444-8888-acdc00006210    2018-01-01 06:33:06     1.189   1.369   1.389
                                        2018-01-01 06:39:05     1.189   1.329   1.349
                                        2018-01-01 09:39:07     1.189   1.319   1.339
...

我现在如何绘制所有或选定数量的 uuid 随时间的价格变化？

Answer 1

import matplotlib.pyplot as plt

plt.figure(1)

grouped_dfs = dataframe.groupby('uuid')

plt.subplot(311)

grouped_dfs.plot.line(x='date', y='diesel', color='blue')

plt.subplot(312)
grouped_dfs.plot.line(x='date', y='e10', color='red')

plt.subplot(313)
grouped_dfs.plot.line(x='date', y='e5', color='yellow')

plt.show()

没有任何数据可供使用，这就是我想到的解决方案