通过 Pandas 获取计数和总和分组数据框

Question

我有一个 sql 表是这样的：

+----+------------+--------+------------+
| id | department | amount |    date    |
+----+------------+--------+------------+
| 1  | d1         |     20 | 2018-06-10 |
| 2  | d1         |     12 | 2018-06-10 |
| 2  | d1         |     10 | 2018-06-11 |
| 3  | d2         |     31 | 2018-06-10 |
| 4  | d2         |     42 | 2018-06-10 |
| 5  | d3         |     82 | 2018-06-11 |
| 6  | d3         |     11 | 2018-06-11 |
| 7  | d3         |     10 | 2018-06-14 |
+----+------------+--------+------------+

我用 Pandas 的read_sql 方法读取它：

df = pd.read_sql("select * table my_table", ...)

我想绘制数据的时间序列，因为 x 轴是月份中的某天，y 轴是部门数。所以，我想我必须按月份对它们进行分组，比如

gdf = df.groupby(['department', pd.Grouper(key='date', freq='d')])['amount'].sum()

gdf 看起来像：

department   date      
d1           2018-06-10      32
             2018-06-11      10
d2           2018-06-10      73
d3           2018-06-11      93
             2018-06-14      10

但是，我不知道如何使用gdf。我想用 seaborn 或 mathplotlib 绘制它。

我还想绘制按月和部门分组的金额总和。

注意：通常，我会编辑我的 sql 语句以包含分组数据，但在我的情况下，我不允许这样做。我必须使用 Pandas 来做到这一点。

Answer 1

对于每个独特的部门，将一天中的“金额”相加并将其绘制在同一图上。

首先，date 必须是 datetime 类型，然后才能基于它进行任何分组。

df['date'] = pd.to_datetime(df['date'])

然后绘制时间序列如下：

import matplotlib.pyplot as plt
import matplotlib.dates as mdates
fig, ax = plt.subplots(figsize=(10,6))

for d in df['department'].unique():
    gdf = df[df['department']==d].groupby(pd.Grouper(key='date', freq='d')).sum()
    ax.plot(gdf.index, gdf['amount'], label=d)

ax.get_xaxis().set_major_locator(mdates.DayLocator())
ax.get_xaxis().set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
plt.xticks(rotation=30)
fig.tight_layout()

plt.legend(bbox_to_anchor=(1, 0), loc="upper right", bbox_transform=fig.transFigure,
           ncol=4, columnspacing=0.5)
plt.show()

Answer 2

DEEPAK SURANA 的答案对于绘图是正确的。但是，应该说如果您的df['date'] 列有str 类型的数据，这将不起作用。我在下面添加了用于创建您的 DF 并将 df['date'] 列转换为 datetime 类型的示例代码。

import pandas as pd
data = [(1, 'd1', 20, '2018-06-10'),
        (2, 'd1', 12, '2018-06-10'),
        (2, 'd1', 10, '2018-06-11'),
        (3, 'd2', 31, '2018-06-10'),
        (4, 'd2', 42, '2018-06-10'),
        (5, 'd3', 82, '2018-06-11'),
        (6, 'd3', 11, '2018-06-11'),
        (7, 'd3', 10, '2018-06-14')]
labels = ['id', 'department', 'amount', 'date']
df = pd.DataFrame.from_records(data, columns=labels)
df['date'] = pd.to_datetime(df['date'])

来自 DEEPAK SURANA 的图形代码：

import matplotlib.pyplot as plt
import matplotlib.dates as mdates
fig, ax = plt.subplots(figsize=(10,6))

for d in df['department'].unique():
    gdf = df[df['department']==d].groupby(pd.Grouper(key='date', freq='d')).sum()
    ax.plot(gdf.index, gdf['amount'], label=d)

ax.get_xaxis().set_major_locator(mdates.DayLocator())
ax.get_xaxis().set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
plt.xticks(rotation=30)
fig.tight_layout()

plt.legend(bbox_to_anchor=(1, 0), loc="upper right", box_transform=fig.transFigure,
           ncol=4, columnspacing=0.5)
plt.show()