每个产品按月绘制时间序列数据组

Question

假设使用的数据是这样的

df = pd.DataFrame({'Order_id': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9], 
                   'Order_date': ['10/1/2020', '10/1/2020', '11/1/2020', '11/1/2020', '12/1/2020', '12/1/2020', '12/1/2020', '12/1/2020', '13/1/2020', '13/1/2020'],
                   'Product_nr': [0, 2, 1, 0, 2, 0, 2, 1, 2, 0],
                   'Quantity': [3, 1, 6, 5, 10, 1, 2, 5, 4, 3]})

#transforming the date column into datetime
df['Order_date'] = pd.to_datetime(df['Order_date'])

我正在尝试绘制给定时间跨度内每种产品每天订购的产品数量。

我最初的想法是这样的

product_groups = df.groupby(['Product_nr']) 
products_daily = pd.DataFrame()
for product, total_orders in product_groups:
    products_daily[product.day] = total_orders.values
products_daily.plot(subplots=True, legend=False)
pyplot.show()

我知道必须有一个groupby('Product_nr')，并且应该使用Grouper(freq='D') 将日期分成几天。它们也应该是一个 for 循环来组合它们，然后将它们全部绘制出来，但我真的不知道如何将这些部分组合在一起。我怎样才能归档这个？我的最终目标实际上是每月为每个产品绘制超过 4 年的销售记录，但鉴于此处的示例数据，我将其更改为每日。

也欢迎任何关于指南、教程的建议或链接。非常感谢！

Answer 1

您可以旋转表格并使用 pandas 的 plot 函数：

(df.groupby(['Order_date', 'Product_nr'])
   ['Quantity'].sum()
   .unstack('Product_nr')
   .plot(subplots=True, layout=(1,3)) # change layout to fit your data
)

输出：