在 12 个月轴上逐年绘制

Question

我想从 12 月到 1 月在一个 12 个月的轴上绘制 6 年的 12 个月期间数据。

import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

df = pd.Series(np.random.randn(72), index=pd.date_range('1/1/2000', periods=72, freq='M'))

# display(df.head())
2000-01-31    0.713724
2000-02-29    0.416233
2000-03-31   -0.147765
2000-04-30    0.141021
2000-05-31    0.966261
Freq: M, dtype: float64

grouped = df.groupby(df.index.map(lambda x: x.year))

grouped.plot()

我在每年之间的界限中得到了突破。但是，我想做的是让年份彼此叠加。有什么简单干净的方法吗？

Answer 1

可能还有比这更好的方法：

In [44]: vals = df.groupby(lambda x: (x.year, x.month)).sum()

In [45]: vals
Out[45]: 
(2000, 1)    -0.235044
(2000, 2)    -1.196815
(2000, 3)    -0.370850
(2000, 4)     0.719915
(2000, 5)    -1.228286
(2000, 6)    -0.192108
(2000, 7)    -0.337032
(2000, 8)    -0.174219
(2000, 9)     0.605742
(2000, 10)    1.061558
(2000, 11)   -0.683674
(2000, 12)   -0.813779
(2001, 1)     2.103178
(2001, 2)    -1.099845
(2001, 3)     0.366811
...
(2004, 10)   -0.905740
(2004, 11)   -0.143628
(2004, 12)    2.166758
(2005, 1)     0.944993
(2005, 2)    -0.741785
(2005, 3)     1.531754
(2005, 4)    -1.106024
(2005, 5)    -1.925078
(2005, 6)     0.400930
(2005, 7)     0.321962
(2005, 8)    -0.851656
(2005, 9)     0.371305
(2005, 10)   -0.868836
(2005, 11)   -0.932977
(2005, 12)   -0.530207
Length: 72, dtype: float64

现在将vals 上的索引更改为MultiIndex

In [46]: vals.index = pd.MultiIndex.from_tuples(vals.index)

In [47]: vals.head()
Out[47]: 
2000  1   -0.235044
      2   -1.196815
      3   -0.370850
      4    0.719915
      5   -1.228286
dtype: float64

然后解栈并绘图：

In [48]: vals.unstack(0).plot()
Out[48]: <matplotlib.axes.AxesSubplot at 0x1171a2dd0>

Answer 2

1. 如果数据是pandas.DataFrame，而不是pandas.Series，我认为它更清晰，更容易转换。
   • OP 中的示例数据是pandas.Series，但对于希望解决这个问题的人来说，它会更典型，如果我们以pandas.DataFrame 开头，那么我们将从使用.to_frame() 开始
2. 提取datetime 索引的month 和year 组件。
   • 这个索引已经是datetime dtype；如果您的数据不是，请使用pd.to_datetime() 转换日期索引/列
   • 如果数据是列而不是索引，则使用.dt 访问器获取month 和year（例如df[col].dt.year 或df.index.year）
3. 使用pandas.pivot_table将数据帧从长格式转换为宽格式，并聚合数据（例如'sum'、'mean'等）
   • 这会将数据框设置为正确的形状，以便轻松绘制，无需拆垛和进一步操作。
   • 索引将始终为 x 轴，并且将绘制列。
   • 如果给定'month' 没有重复数据，因此不需要聚合，则使用pandas.DataFrame.pivot。
4. 使用pandas.DataFrame.plot 绘制旋转数据框

• 在python 3.8.11、pandas 1.3.2、matplotlib 3.4.3中测试

import pandas as pd

# for this OP convert the Series to a DataFrame
df = df.to_frame()

# extract month and year from the index and create columns
df['month'] = df.index.month
df['year'] = df.index.year

# display(df.head(3))
                   0  month  year
2000-01-31  0.167921      1  2000
2000-02-29  0.523505      2  2000
2000-03-31  0.817376      3  2000

# transform the dataframe to a wide format
dfp = pd.pivot_table(data=df, index='month', columns='year', values=0, aggfunc='sum')

# display(dfp.head(3))
year       2000      2001      2002      2003      2004      2005
month                                                            
1      0.167921  0.637999 -0.174122  0.620622 -0.854315 -1.523579
2      0.523505 -0.344658 -0.280819  0.845543  0.782439 -0.593732
3      0.817376 -0.004282 -0.907424  0.352655  1.258275 -0.624112

# plot
ax = dfp.plot(ylabel='Aggregated Sum', figsize=(6, 4))
ax.set_xticks(dfp.index)  # so every month number is displayed
ax.legend(bbox_to_anchor=(1, 1.02), loc='upper left')

• 要获取轴上的月份名称，请使用以下命令创建 'month' 列：
  • df['month'] = df.index.strftime('%b')，获取月份缩写

from calendar import month_abbr  # this is a sorted list of month name abbreviations

# extract the month abbreviation
df['month'] = df.index.strftime('%b')
df['year'] = df.index.year

# transform
dfp = pd.pivot_table(data=df, index='month', columns='year', values=0, aggfunc='sum')

# the dfp index so the x-axis will be in order
dfp = dfp.loc[month_abbr[1:]]

# display(dfp.head(3))
year       2000      2001      2002      2003      2004      2005
month                                                            
Jan    0.167921  0.637999 -0.174122  0.620622 -0.854315 -1.523579
Feb    0.523505 -0.344658 -0.280819  0.845543  0.782439 -0.593732
Mar    0.817376 -0.004282 -0.907424  0.352655  1.258275 -0.624112

# plot
ax = dfp.plot(ylabel='Aggregated Sum', figsize=(6, 4))
ax.set_xticks(range(12))  # set ticks for all months
ax.set_xticklabels(dfp.index)  # label all the ticks
ax.legend(bbox_to_anchor=(1, 1.02), loc='upper left')

• 此数据是离散数据，因为它是聚合的，因此确实应该绘制为条形图。

ax = dfp.plot(kind='bar', ylabel='Aggregated Sum', figsize=(12, 4), rot=0)
ax.legend(bbox_to_anchor=(1, 1.02), loc='upper left')