将 groupby 函数与 .csv 文件中的数据框一起使用并绘制结果答案

【问题标题】：Using groupby function with a dataframe from a .csv file and plotting the result将 groupby 函数与 .csv 文件中的数据框一起使用并绘制结果
【发布时间】：2019-09-11 07:48:39
【问题描述】：

尝试创建数据视图，以生成每年每个月的所有出生总数。需要为每一行生成一个 Pandas 日期。每行包含 .csv 文件中数据的年份值和月份值。向此数据框添加“日”列并将日值设置为 1。然后使用年、月和日列添加“日期”列。

我的问题是使用 group by 来获取 EACH YEAR 每个月的所有出生总数的逻辑。为每一行生成一个熊猫日期，并让该行包含一个年份值、月份值，然后在其顶部添加一个日期列。然后需要使用该信息制作一个“日期”列，然后绘制每年每月的总出生人数。

到目前为止，我的绘图并没有在其中绘制任何数据，只有图形框架

这是我目前的代码：

     import pandas as pd
     import matplotlib
     import matplotlib.pyplot as plt
     matplotlib.rcParams['figure.figsize'] = (8.0, 3.0)

     births = pd.read_csv("births.csv")
     births = births.drop(births[births.day == 99].index)
     births = births.drop(births[births.births < 500].index)
     births['day'].fillna(1, inplace=True)
     births['day'] = births['day'].astype('int32')
     births.dtypes
     births['Date'] = pd.to_datetime(births[['year','month','day']])
     print(births)

     newbirth = births[births['day'] == 31]


     start = pd.to_datetime(births['Date'].iloc[0])
     end = pd.to_datetime(newbirth['Date'].iloc[-1])

     births1 = births[births['gender'] == 'M']
     births2 = births[births['gender'] == 'F']
     births1.reset_index(inplace = True)
     births2.reset_index(inplace = True)
     births.reset_index()
     #new dataframe
     df = pd.DataFrame(births1['Date'])
     df['births'] = births1['births'] + births2['births']
     print(df)
     #newplot
     ax1 = plt.subplot(3,1,1)
     ax2 = plt.subplot(3,1,3)

     start1 = pd.to_datetime("01-01-1984")
     end1 = pd.to_datetime("12-31-1986")

     start2 = pd.to_datetime("01-01-1984")
     end2 = pd.to_datetime("12-31-1986")
     adjusted_268 = pd.Timedelta('268 days')

     ax1.plot(df['Date'],df['births'])
     ax2.plot(df['Date'],df['births'])

     ax1.set_xlim(start1, end1)
     ax1.set_ylim(8000,12000)
     ax1.set_title("Total Daily Births")
     ax1.set_ylabel("Daily Births")
     ax1.tick_params(axis='x', rotation=45)



     ax2.set_xlim(start2, (end2-adjusted_268))
     ax2.set_ylim(8000,12000)
     ax2.set_title("Likely Conception Dates")
     ax2.set_ylabel("Conception Events")
     ax2.tick_params(axis='x', rotation=45)

     #newdf needed
     #newplot needed

     new_df = births.groupby('month').sum()
     print(new_df)
     ax3 = plt.subplot()
     ax3.plot(new_df)
     ax3.set_ylim(240000,380000)
     ax3.set_title("Total Births Per Month")
     ax3.set_ylabel("Births")
     ax3.tick_params(axis='x', rotation=45)

这是从 .csv 文件中打印出来的数据框，在我使用 pandas 对其进行更新之后

           year  month  day gender  births       Date
    0      1969      1    1      F    4046 1969-01-01
    1      1969      1    1      M    4440 1969-01-01
    2      1969      1    2      F    4454 1969-01-02
    3      1969      1    2      M    4548 1969-01-02
    4      1969      1    3      F    4548 1969-01-03
    5      1969      1    3      M    4994 1969-01-03
    6      1969      1    4      F    4440 1969-01-04
    7      1969      1    4      M    4520 1969-01-04
    8      1969      1    5      F    4192 1969-01-05
    9      1969      1    5      M    4198 1969-01-05
    10     1969      1    6      F    4710 1969-01-06
    11     1969      1    6      M    4850 1969-01-06
    12     1969      1    7      F    4646 1969-01-07
    13     1969      1    7      M    5092 1969-01-07
    14     1969      1    8      F    4800 1969-01-08
    15     1969      1    8      M    4934 1969-01-08
    16     1969      1    9      F    4592 1969-01-09
    17     1969      1    9      M    4842 1969-01-09
    18     1969      1   10      F    4852 1969-01-10
    19     1969      1   10      M    5190 1969-01-10
    20     1969      1   11      F    4580 1969-01-11
    21     1969      1   11      M    4598 1969-01-11
    22     1969      1   12      F    4126 1969-01-12
    23     1969      1   12      M    4324 1969-01-12
    24     1969      1   13      F    4758 1969-01-13
    25     1969      1   13      M    5076 1969-01-13
    26     1969      1   14      F    5070 1969-01-14
    27     1969      1   14      M    5296 1969-01-14
    28     1969      1   15      F    4798 1969-01-15
    29     1969      1   15      M    5096 1969-01-15
    ...     ...    ...  ...    ...     ...        ...
    15517  2007     10    1      F  180912 2007-10-01
    15518  2007     10    1      M  189157 2007-10-01
    15519  2007     11    1      F  173513 2007-11-01
    15520  2007     11    1      M  180814 2007-11-01
    15521  2007     12    1      F  173787 2007-12-01
    15522  2007     12    1      M  181426 2007-12-01
    15523  2008      1    1      F  174255 2008-01-01
    15524  2008      1    1      M  182789 2008-01-01
    15525  2008      2    1      F  165669 2008-02-01
    15526  2008      2    1      M  173434 2008-02-01
    15527  2008      3    1      F  172053 2008-03-01
    15528  2008      3    1      M  179129 2008-03-01
    15529  2008      4    1      F  169585 2008-04-01
    15530  2008      4    1      M  177399 2008-04-01
    15531  2008      5    1      F  173141 2008-05-01
    15532  2008      5    1      M  182294 2008-05-01
    15533  2008      6    1      F  169958 2008-06-01
    15534  2008      6    1      M  179267 2008-06-01
    15535  2008      7    1      F  183391 2008-07-01
    15536  2008      7    1      M  192714 2008-07-01
    15537  2008      8    1      F  182713 2008-08-01
    15538  2008      8    1      M  191315 2008-08-01
    15539  2008      9    1      F  179696 2008-09-01
    15540  2008      9    1      M  188964 2008-09-01
    15541  2008     10    1      F  175314 2008-10-01
    15542  2008     10    1      M  183219 2008-10-01
    15543  2008     11    1      F  158939 2008-11-01
    15544  2008     11    1      M  165468 2008-11-01
    15545  2008     12    1      F  173215 2008-12-01
    15546  2008     12    1      M  181235 2008-12-01

【问题讨论】：

标签： python pandas matplotlib logic

【解决方案1】：

试试这个：

生成随机数据：

np.random.seed(2019)
rng = pd.date_range('1969-01-01', '2008-12-01', freq='D')
df = pd.DataFrame({'birth': np.random.randint(1000, size=len(rng))}, index=rng)

打印df:

birth
1969-01-01     72
1969-01-02    370
1969-01-03    159
1969-01-04    805
1969-01-05    728
1969-01-06    190
1969-01-07    758
1969-01-08     24
1969-01-09    797
...           ...
2008-11-02    222
2008-11-03    409
2008-11-04     65
2008-11-05    451
2008-11-06    369
2008-11-07    815
2008-11-08    295
2008-11-09    232

然后创建年、月、日列：

df['month'] = df.index.month
df['day'] = df.index.day
df['year'] = df.index.year

按年和月分组，求出生总和：

df_grouped = df.groupby(['year', 'month'])['birth'].sum()

分组df的结果：

year  month
1969  1        14212
      2        14982
      3        15063
      4        12726
      5        14131
      6        16597
      7        14487
      8        12517
      9        14483
      10       17620
      11       13883
      12       17778
1970  1        15345
      2        14524
      3        18429
      4        12981
      5        16855
      6        17135
      7        18174
      8        17031
      9        14734
      10       15743
      11       12761
      12       18428
1971  1        15063
      2        17224
      3        15088
      4        17015
      5        17032
      6        17275
               ...  
2006  7        14718
      8        13212
      9        17389
      10       13850
      11       13154
      12       14126
2007  1        15762
      2        12744
      3        17176
      4        12777
      5        16254
      6        16297
      7        16038
      8        15067
      9        13724
      10       14386
      11       15701
      12       17136
2008  1        16047
      2        15094
      3        14539
      4        18662
      5        16575
      6        13553
      7        17107
      8        15824
      9        15096
      10       15139
      11       15419
      12         250

现在开始绘制：

fig, ax = plt.subplots(figsize=(15,7))
df_grouped.unstack().plot()
plt.show()

如果你愿意，你可以努力使情节“更漂亮”

[编辑] 我认为条形图看起来会更整洁：

df_grouped.unstack().plot(kind='bar')

【讨论】：

如果我已经拥有 .csv 文件中的数据，我就不需要生成随机数据了，对吧？ @Tabbakhh
如何将 .csv 文件/出生数据帧中的数据分组，这些数据已经从 .csv 文件生成，以使用 groupby 获取每年每月的出生总数，然后添加日期和使用 groupby 函数将日期列添加到该新数据框
@programmernoob - 您不需要生成随机数据。我这样做是为了生成遵循数据框结构的随机数据，以引导您完成代码。所以从df_grouped 行开始我的回答。请看一下我发布的df_grouped 结果，这不是您要的吗？ groupby 向您显示数据中每年每个月的出生人数。因此，您不能将这一天添加到最终数据框中，因为每年每个月的所有天数都已求和
是的，没错，我需要每年每个月的出生人数。我只是对如何用我的代码实现它感到困惑，并且不确定我是否需要随机生成器来获得该结果。所以我需要做的就是创建一个名为 df_grouped 的新数据框，然后按照上面的操作将它们组合在一起并得到总和。 @Tabbakhh
另外，假设我不希望它每个月显示不同的颜色，我想从每个月（1-12）获取这些数据并将这些数据加在一起并绘制总出生人数每个月到每个特定的年份。仅用所有 12 个月数据的总数绘制年份。我该怎么做？ @Tabbakhh