python - 如何创建按月分组的年度条形图

Question

我在尝试使用按年份和月份分组的 DataFrame 创建条形图时遇到了困难。使用以下代码，我试图在创建的图像中绘制数据，而不是返回第二张图像。我还尝试将图例向右移动并将其值更改为相应的月份。

我开始对使用 groupby 命令获得的 DataFrame 有了一些感觉，虽然没有得到我期望的结果，但我还是问了你们。

import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns

df = pd.read_csv('fcc-forum-pageviews.csv', index_col='date')
line_plot = df.value[(df.value > df.value.quantile(0.025)) & (df.value < df.value.quantile(0.975))]
fig, ax = plt.subplots(figsize=(10,10))
bar_plot = line_plot.groupby([line_plot.index.year, line_plot.index.month]).mean().unstack()
bar_plot.plot(kind='bar')
ax.set_xlabel('Years')
ax.set_ylabel('Average Page Views')
plt.show()

这是我正在分析的数据格式。

date,value
2016-05-09,1201
2016-05-10,2329
2016-05-11,1716
2016-05-12,10539
2016-05-13,6933

Answer 1

1. 添加一个已排序的分类 'month'列 pd.Categorical
2. 使用 pd.pivot_table 将数据帧转换为宽格式其中 aggfunc='mean'是默认值。
   • 宽格式通常最适合绘制分组条形图。
3. pandas.DataFrame.plot 返回 matplotlib.axes.Axes , 所以没有必要使用 fig, ax = plt.subplots(figsize=(10,10)) .
4. pandas .dt accessor用于提取 'date' 的各种成分, 必须是 datetime dtype
   • 如果'date'不是 datetime dtype , 然后用 df.date = pd.to_datetime(df.date) 转换它.
5. 测试 python 3.8.11 , pandas 1.3.1 , 和 matplotlib 3.4.2

导入和测试数据

import pandas as pd
from calendar import month_name  # conveniently supplies a list of sorted month names or you can type them out manually
import numpy as np  # for test data

# test data and dataframe
np.random.seed(365)
rows = 365 * 3
data = {'date': pd.bdate_range('2021-01-01', freq='D', periods=rows), 'value': np.random.randint(100, 1001, size=(rows))}
df = pd.DataFrame(data)

# select data within specified quantiles
df = df[df.value.gt(df.value.quantile(0.025)) & df.value.lt(df.value.quantile(0.975))]

# display(df.head())
        date  value
0 2021-01-01    694
1 2021-01-02    792
2 2021-01-03    901
3 2021-01-04    959
4 2021-01-05    528

转换和绘图

• 如果'date'已设置为索引，如评论中所述，使用以下内容:
  • df['months'] = pd.Categorical(df.index.strftime('%B'), categories=months, ordered=True)

# create the month column
months = month_name[1:]
df['months'] = pd.Categorical(df.date.dt.strftime('%B'), categories=months, ordered=True)

# pivot the dataframe into the correct shape
dfp = pd.pivot_table(data=df, index=df.date.dt.year, columns='months', values='value')

# display(dfp.head())
months  January  February  March  April    May   June   July  August  September  October  November  December
date                                                                                                        
2021      637.9     595.7  569.8  508.3  589.4  557.7  508.2   545.7      560.3    526.2     577.1     546.8
2022      567.9     521.5  625.5  469.8  582.6  627.3  630.4   474.0      544.1    609.6     526.6     572.1
2023      521.1     548.5  484.0  528.2  473.3  547.7  525.3   522.4      424.7    561.3     513.9     602.3

# plot
ax = dfp.plot(kind='bar', figsize=(12, 4), ylabel='Mean Page Views', xlabel='Year', rot=0)
_ = ax.legend(bbox_to_anchor=(1, 1.02), loc='upper left')