python - 如何对数据进行分组并绘制折线图

Question

这是我第一次使用 pandas 和 iPython 笔记本，无法找出解决我的问题的正确搜索词。

我有一个 .xls 文件，用于存放位于 3 个站点 A、B 和 的 3 个构建服务器的编译时间数据C。这些构建服务器编译多个项目，因此我将选择任何特定项目。因此，我需要绘制这样的数据(对于特定项目 - 不是全部在一张图中，以保持简单):

X-axis = date
Y-axis = average build time on that date

3 lines for sites A, B and C

到目前为止我所做的:

import pandas as pd
import numpy as np
import matplotlib as plt 

file=  r'/home/abc/Downloads/request.xls'
df = pd.read_excel(file,parse_dates=['Date'])

build_times = df[['Date','site','project','Duration']]
build_group = build_times.groupby(['Date','site','project']).mean()

我需要以下方面的帮助:

1. 我如何仅选择成功的构建如果有一个 status 列包含 0 和 1。

2. 如何使用上述 X 和 Y 绘制站点 A、B 和 C(针对特定项目)的线条轴。

编辑

经过@jezrael的回答，我能够得到以下数据

2017-03-27  A   project1    963.200000
            B   project2    4587.176471
            C   project2    1449.375000
            C   project1    1449.375000
  .......
2017-03-28  A   project1    93.200000
            B   project1    4787.176471
            C   project2    1339.375000
            C   project1    1749.375000

Answer 1

我认为您需要首先按 boolean indexing 进行过滤或query :

build_group = build_times[build_times['status'] == 1]
                          .groupby(['Date','site','project'])['Duration'].mean()

或者:

build_group = build_times.query('status == 1')
                         .groupby(['Date','site','project'])['Duration'].mean()

输出与:

d={'Duration': [963.2, 4587.176471, 1449.375, 1449.375, 93.2, 4787.176471, 1339.375, 1749.375], 
'project': ['project1', 'project2', 'project2', 'project1', 'project1', 'project1', 'project2', 'project1'], 
'Date': [pd.Timestamp('2017-03-27 00:00:00'), pd.Timestamp('2017-03-27 00:00:00'), pd.Timestamp('2017-03-27 00:00:00'), pd.Timestamp('2017-03-27 00:00:00'), pd.Timestamp('2017-03-28 00:00:00'), pd.Timestamp('2017-03-28 00:00:00'), pd.Timestamp('2017-03-28 00:00:00'), pd.Timestamp('2017-03-28 00:00:00')], 
'site': ['A', 'B', 'C', 'C', 'A', 'B', 'C', 'C']}
build_group = pd.DataFrame(d).set_index(['Date','site','project'])['Duration']
print (build_group)
Date        site  project 
2017-03-27  A     project1     963.200000
            B     project2    4587.176471
            C     project2    1449.375000
                  project1    1449.375000
2017-03-28  A     project1      93.200000
            B     project1    4787.176471
            C     project2    1339.375000
                  project1    1749.375000
Name: Duration, dtype: float64

然后通过 unstack reshape 形状与 level=1 (因为 level==1 是 sites)并按 xs 选择。最后plot :

#for check column names for typos
print (build_group.index.get_level_values(2).unique().tolist())
['project1', 'project2']

p = 'project1'
build_group = build_group.unstack(level=1).xs(p, level=1, axis=0)
print (build_group)
site            A            B         C
Date                                    
2017-03-27  963.2          NaN  1449.375
2017-03-28   93.2  4787.176471  1749.375

build_group.plot()