python - 如何绘制以时间序列为行的 Pandas 数据框？

Question

我正在尝试绘制这个dataset of COVID-19 deaths作为每个国家死亡人数的时间序列。到目前为止，我已经尝试过这个脚本:

import requests
import pandas as pd
import matplotlib.pyplot as plt


def getdata():
    response = requests.get("https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv")
    with open('data.csv', 'wb') as fp:
        fp.write(response.content)


if __name__ == "__main__":
    getdata()
    df = pd.read_csv('data.csv')

    dfg = df.groupby(by='Country/Region').sum()

    dfg.drop(labels=['Lat', 'Long'], axis=1, inplace=True)

    dfg.columns = pd.to_datetime(dfg.columns)

    dfplot = dfg.plot()

    plt.show()

它产生一个像这样的数据框:

                    2020-01-22  2020-01-23  2020-01-24  ...  2020-03-25  2020-03-26  2020-03-27
Country/Region                                          ...                                    
Afghanistan                  0           0           0  ...           2           4           4
Albania                      0           0           0  ...           5           6           8
Algeria                      0           0           0  ...          21          25          26
Andorra                      0           0           0  ...           1           3           3
Angola                       0           0           0  ...           0           0           0
...                        ...         ...         ...  ...         ...         ...         ...
Venezuela                    0           0           0  ...           0           0           1
Vietnam                      0           0           0  ...           0           0           0
West Bank and Gaza           0           0           0  ...           0           1           1
Zambia                       0           0           0  ...           0           0           0
Zimbabwe                     0           0           0  ...           1           1           1

但是，生成的图并不显示时间序列，而是在 X 轴上显示了不同的国家/地区:

我尝试阅读 DataFrame.plot文档来了解如何改变这种行为，但它非常简洁。我有什么想法可以实现这一点吗？

Answer 1

要在 pandas 中实现时间序列图，您的索引应该是日期时间而不是列。而且由于它们的原始数据以日期作为列到达，因此需要进行一些数据 reshape :

• melt 将原始数据从宽格式 reshape 为长格式，并将日期作为列；
• pivot_table 聚合并 reshape 为全国范围内的列，并以日期为索引。

然后，按预期调用 DataFrame.plot:

df_deaths = pd.read_csv("https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/"
                      "csse_covid_19_time_series/time_series_covid19_deaths_global.csv")

# MELT WIDE DATA TO LONG
df_deaths = (df_deaths.melt(id_vars = ['Province/State', 'Country/Region', 'Lat', 'Long'], 
                            var_name = 'Date', value_name = 'Deaths')
                      .assign(Date = lambda x: pd.to_datetime(x['Date'])))

# PIVOT AGGREGATION TO GENERATE DATE INDEX BY COUNTRY COLUMNS
df_pvt = df_deaths.pivot_table(index='Date', columns='Country/Region', 
                               values='Deaths', aggfunc='sum')

df_pvt.plot(kind='line')

plt.show()

由于上面的情节几乎涵盖了世界上所有国家，因此请考虑仅对少数几个国家进行切片，例如受影响的前 10 个国家并集成 matplotlib Axes更好地控制输出的对象:

top_countries = (df_deaths.groupby('Country/Region')['Deaths'].sum()
                          .sort_values(ascending=False))

fig, ax = plt.subplots(figsize=(15,6))

(df_pvt.reindex(top_countries.index.values[:10], axis = 'columns')
       .plot(kind='line', ax = ax))

plt.show()