每年拆分时间序列以进行绘图答案

【问题标题】：Split up time series per year for plotting每年拆分时间序列以进行绘图
【发布时间】：2020-05-25 04:50:02
【问题描述】：

我想绘制一个时间序列，从 2015 年 10 月开始，到 2018 年 2 月结束，在一张图中，每年都是一条线。时间序列为 int64 值，位于 Pandas DataFrame 中。日期在 datetime64[ns] 作为 DataFrame 中的列之一。

我如何从 Jan-Dez 创建一个每年有 4 条线的图表。

graph['share_price'] 和 graph['date'] 被使用。我试过Grouper，但不知何故，它采用了 2015 年 10 月的值并将其与所有其他年份的 1 月值混合在一起。

这个 groupby 接近我想要的，但是我丢失了列表的索引属于哪一年的信息。

graph.groupby('date').agg({'share_price':lambda x: list(x)})

然后我创建了一个有 4 列的 DataFrame，每年 1 列，但我仍然不知道如何继续并以某种方式对这 4 列进行分组，以便我能够以某种方式绘制图表我要。

【问题讨论】：

标签： python-3.x pandas time-series

【解决方案1】：

您可以通过以下方式实现：

从日期中提取年份
用不带年份的等效日期替换日期
将年份和日期都设置为索引
按年份取消堆叠值

此时，每一年都会是一列，一年内的每个日期都是一行，所以你可以正常绘制。

这是一个例子。

假设您的 DataFrame 看起来像这样：

>>> import pandas as pd
>>> import numpy as np
>>> index = pd.date_range('2015-10-01', '2018-02-28')
>>> values = np.random.randint(-3, 4, len(index)).cumsum()
>>> df = pd.DataFrame({
...    'date': index,
...    'share_price': values
>>> })
>>> df.head()
        date  share_price
0 2015-10-01            0
1 2015-10-02            3
2 2015-10-03            2
3 2015-10-04            5
4 2015-10-05            4
>>> df.set_index('date').plot()

您可以按如下方式转换 DataFrame：

>>> df['year'] = df.date.dt.year
>>> df['date'] = df.date.dt.strftime('%m-%d')
>>> unstacked = df.set_index(['year', 'date']).share_price.unstack(-2)
>>> unstacked.head()
year   2015  2016  2017  2018
date                         
01-01   NaN  28.0 -16.0  21.0
01-02   NaN  29.0 -14.0  22.0
01-03   NaN  29.0 -16.0  22.0
01-04   NaN  26.0 -15.0  23.0
01-05   NaN  25.0 -16.0  21.0

然后正常绘图：

unstacked.plot()

【讨论】：