在熊猫中按日期分组以绘制分类分布

Question

我正在尝试绘制已按特定日期范围分类的数据。

例如，我有以下数据框：

dates = pd.date_range(start=pd.datetime(2013, 6, 1), periods=50, freq='D')
df = pd.DataFrame(np.random.normal(10, 3, 50), columns=['x'], index=dates)
df[:3]
            x
2013-06-01  9.819422
2013-06-02  3.659629
2013-06-03  14.862231

我想以 3 周为间隔对日期进行分组并绘制数据，这给出了我正在寻找的平均值，

df.resample('3w', how='mean')

            x
2013-06-02  11.424715
2013-06-23  9.443888
2013-07-14  8.572851
2013-08-04  9.873879

但我想保留所有数据，以便在seaborn 中使用箱线图或使用matplotlib 包含标准错误。我完全坚持如何在没有明确定义范围的情况下实现这一点（这对于我正在使用的实际数据帧是不可能的）。在 pandas 中似乎必须有一种相当简单的方法来执行此操作，因此输出将类似于：

            x           week
2013-06-01  9.819422    1
2013-06-02  3.659629    1
2013-06-03  14.862231   1

其中week 是代表分箱数据的分类变量。任何想法将不胜感激。

Answer 1

也许你可以使用 TimeGrouper。

df.groupby(pd.TimeGrouper('3w', how=np.mean)).describe().unstack()
               x                                                                          
           count       mean       std       min       25%        50%        75%        max
2013-06-02     2  10.864835  3.794379  8.181803  9.523319  10.864835  12.206350  13.547866
2013-06-23    21   9.888556  3.452331  3.503944  7.838625   9.739525  12.403285  16.031644
2013-07-14    21  10.475142  2.687320  6.605619  8.399518  11.209683  11.818895  16.265771
2013-08-04     6   9.471931  3.196345  5.492205  8.122607   8.502217  10.901065  14.638198

>>> g = df.groupby(pd.TimeGrouper('3w', how=np.mean)).boxplot()

将期间开始日期（作为字符串）添加到原始数据：

df = pd.DataFrame(np.random.normal(10, 3, 50), columns=['x'], index=dates)
tg = df.groupby(pd.TimeGrouper('3W', closed='left'))
df['period'] = None
for p, idx in tg.indices.iteritems():
    df.ix[idx, 'period'] = p.strftime('%Y-%m-%d')

>>> df.head()
                    x      period
2013-06-01   7.972202  2013-06-16
2013-06-02  12.184312  2013-06-16
2013-06-03   6.884374  2013-06-16
2013-06-04   8.414091  2013-06-16
2013-06-05  12.368407  2013-06-16

Answer 2

我会怎么做：

for idx,w in enumerate(df.groupby(pd.TimeGrouper("3w-SAT"))): # your first day is a saturday
    df.loc[w[0], "week"] = idx+1

# propagate the week number
df["week"] = df.week.fillna(method="ffill") 

# remove added date by the Timegrouper as your number of date is not a multiple of 3 weeks.
df.dropna(inplace=1) 
df.tail()

                    x  week
2013-07-16  15.717111     3
2013-07-17   9.815201     3
2013-07-18   9.426426     3
2013-07-19  12.725350     3
2013-07-20  16.100748     3


# just use seaborn as usual
sns.boxplot(data=df, x="week", y="x") # plot it

不知道有没有更好的办法直接用Seaborn用TimeGrouper

HTH