如何正确创建直方图：显示 2 年内每天的推文频率答案

【问题标题】：How To Properly Create a Histogram: Displaying the Frequency of the Tweets for Each Day Spanning 2 Years如何正确创建直方图：显示 2 年内每天的推文频率
【发布时间】：2017-07-10 01:32:06
【问题描述】：

不幸的是，我完全没有使用 matplotlib（和类似库）的经验，而且我发现一些可用的教程令人困惑。

这是我的问题：

我有字符串格式的时间戳列表，如下所示：

timestamp_list = ['2017-01-30 23:45', '2017-01-30 20:30', '2017-01-30 18:22', '2017-01-29 17:39', '2017-01-29 15:39', '2017-01-29 14:45', '2017-01-29 11:51', '2017-01-29 11:15', '2017-01-29 09:41', '2017-01-30 05:54', '2017-01-29 03:10']

每个时间戳代表一条推文。我想建立一个类似于this 的直方图，但每天对我的推文进行分组。所以，最终，我希望这个直方图显示我的列表中每天有多少推文被发布。

我不知道如何每天（或任何其他分组，即每月）对这些推文进行分组。我不知道哪种方法最简单、最轻松，最重要的是，当我阅读有关如何使用 matplotlib 创建直方图（以及类似的东西，如 CDF）的帖子时，我不明白什么每一行具体都有，因此，我无法根据自己的需要编辑这些帖子并扩展我的知识。

有人可以提供一个示例解决方案来使用 matplotlib（或类似的）创建这样的直方图，但也可以评论每一行，以便我可以完全理解将来如何生成类似的图？

谢谢。

编辑：我认为我最初的问题不够清楚，因为建议的解决方案都没有解决我的问题。我很抱歉没有更明确。我会尽量详细说明：

假设我有一组特定主题的推文，时间跨度为两年。总计 730 天。 timestamp_list 是一个列表，其中包含每条推文的唯一时间戳，格式为 string。

这两年的每一天都是独特的一天。这意味着我有 730 个独特的日子。我想要的是找出在这 730 天的每一天中有多少关于该特定主题的推文。例如，2017-01-20 上可能有 10 条推文，2017-01-21 上可能有 45 条推文，等等。我想基于此创建一个直方图。有人建议创建字典。

如何创建包含 730 个键及其各自推文数量的字典？
如何根据以前的字典绘制直方图？

或者，如果有其他更有效的方法（而不是使用字典），也欢迎。

我想要以某种方式获取这个string 列表并创建一个直方图like this，显示每天发布的推文数量，跨越日期的持续时间（在我的情况下，为 2 年）。

赏金：

感谢大家的提交。 @cphlewis 和 @TobiasRibizel 的答案都是正确的。但是，我倾向于选择@TobiasRibizel 的答案作为获胜答案，因为它不使用第三方库，解释得很好，并且它产生了一个非常漂亮的直方图，就像我问的那样。谢谢你。

【问题讨论】：

标签： python python-3.x matplotlib twitter

【解决方案1】：

新的解决方案，采用了 Tobias 的评论——一旦时间戳被分解成感兴趣的部分，直方图就会被构建到 pandas 中并且是“智能日期”，也就是说，它将离开 x 轴没有推文的日期空间：

import pandas as pd
import matplotlib.pyplot as plt

timestamp_list = ['2017-01-15 23:45', '2017-01-16 20:30', '2017-01-30 18:22',
                  '2017-01-29 17:39', '2017-01-29 15:39', '2017-01-29 14:45',
                  '2017-01-29 11:51', '2017-01-29 11:15', '2017-01-29 09:41',
                  '2017-01-30 05:54', '2017-01-29 03:10','2016-05-02 00:00',
                  '2016-05-23 00:00', '2016-03-29 00:00']

Tweetframe = pd.DataFrame(pd.to_datetime(timestamp_list), columns=['Tweets'])
Tweetframe['Date'] = map(lambda x: x.date(), Tweetframe.Tweets)

# Tweetframe.Date is a Series, which has a histogram method.
# By default it uses 10 bins; this sets the bins to number of days
# Nb: which is not exactly the same as grouping by Date. 
ax = Tweetframe.Date.hist(xrot=45,
                          bins = (Tweetframe.Date.max() -
                                      Tweetframe.Date.min()).days)

ax.set_ylabel('Tweet count')
ax.grid('off')
plt.show()

离开：我想到的第一件事，它在 x 轴值中是精确的，但你必须大惊小怪才能让 x 轴间距来处理无推文的日期：

import pandas as pd
import matplotlib.pyplot as plt
timestamp_list = ['2017-01-30 23:45', '2017-01-30 20:30', '2017-01-30 18:22', '2017-01-29 17:39', '2017-01-29 15:39', '2017-01-29 14:45', '2017-01-29 11:51', '2017-01-29 11:15', '2017-01-29 09:41', '2017-01-30 05:54', '2017-01-29 03:10','2016-01-30 00:00','2016-01-29 00:00', '2017-03-29 00:00']



# Pandas works on DataFrames, so make a DataFrame. Make real datetimes because Pandas is also smart about datetimes: 
Tweetframe = pd.DataFrame(pd.to_datetime(timestamp_list), columns=['Tweets'])
# The groupby function groups the data by the cases given in the first argument; the result is a DataFrameGroupBy object, sort of a tiny database, which can count the elements in each group and then barplot the counts:
Tweetframe.groupby((Tweetframe['Tweets'].dt.year, Tweetframe['Tweets'].dt.month, Tweetframe['Tweets'].dt.day)).count().plot(kind="bar")
# I always need to do something to date-stamp xlabels to make them readable
plt.xticks(rotation=0)
plt.show()

【讨论】：

能否修改您的解决方案以包括未发布推文的日子？这样，x 轴会更加连续。

【解决方案2】：

最简单的解决方案可能是将字符串解析为date 对象，并使用pyplot 的hist 从该数据中创建直方图：

from datetime import date, timedelta
import matplotlib.pyplot as plt

# these lines are just there to create some data
from random import randint
from datetime import datetime
timestamp_list = [datetime(2017,randint(4,6),randint(1,30),randint(0,23),randint(0,59)).strftime("%Y-%m-%d %h:%m") for i in range(1000)]

# here the real code starts
dates = []
for t in timestamp_list:
    # extract the date part of the timestamp
    date_str = t.split(' ')[0]
    # extract the numbers from the date
    year,month,day = [int(i) for i in date_str.split('-')]
    # create a date object
    d = date(year, month, day)
    # and store it
    dates.append(d)

# sort the dates
dates.sort()

# extract the first and last date
min_date = dates[0]
max_date = dates[-1]

# compute the number of days
length = (max_date - min_date).days + 1

# show the histogram
plt.hist(dates, bins=length)
plt.show()

如果您想对绘图的外观进行更多控制，我建议您自己为直方图创建桶并使用bar 绘图：

# initialize one empty bucket per day
buckets = [0 for i in range(length)]
days = [(min_date + timedelta(i)).isoformat() for i in range(length)]

for d in dates:
    days_from_begin = (d - min_date).days
    buckets[days_from_begin] += 1

# print a bar plot of the results
plt.bar(range(length), buckets)
# add x-axis ticks (dates)
plt.xticks(range(length), days, rotation=70)

# some cosmetics: hide all ticks
plt.setp(plt.gca().get_xticklabels(), visible=False)
# show every 4th tick again
plt.setp(plt.gca().get_xticklabels()[::4],visible=True)

# show the result
plt.show()

输出可能如下所示：

【讨论】：

【解决方案3】：

您可以使用默认字典并按日期对它们进行分组，如下所示：

from collections import defaultdict


groups = defaultdict(list)
timestamp_list = ['2017-01-30 23:45', '2017-01-30 20:30', '2017-01-30 18:22', '2017-01-29 17:39', '2017-01-29 15:39', '2017-01-29 14:45', '2017-01-29 11:51', '2017-01-29 11:15', '2017-01-29 09:41', '2017-01-30 05:54', '2017-01-29 03:10']

for obj in timestamp_list:
    groups[obj[8:-6]].append(obj)

new_list = list(groups.values())

print(new_list)


[
 ['2017-01-30 23:45', '2017-01-30 20:30', '2017-01-30 18:22', '2017-01-30 05:54'],
 ['2017-01-29 17:39', '2017-01-29 15:39', '2017-01-29 14:45', '2017-01-29 11:51', '2017-01-29 11:15', '2017-01-29 09:41', '2017-01-29 03:10']
]

【讨论】：

感谢您的回答，但这不是我想要的。可能是我的错误，我不是很清楚。请看我的编辑。

【解决方案4】：

我正在使用字典来存储推文的日期和数量。 for 循环之后的前 2 行只是从时间戳中提取日期，我在空格上拆分时间戳并取第一部分来获取日期，然后我只是从日期中提取最后两件事。

date_dict = {}
for dayin timestamp_list:
  day = day.split(' ')[0]
  day = day[len(day)-2:len(day)]
  if day in date_dict.keys():
    date_dict[day] += 1
  else
    date_dict[day] = 1

现在，您可以将月份和日期一起存储在 dict 中，因为它们也是键。

【讨论】：

一点也不差！不错的一个，加一个:)，如果你愿意，请查看我的答案，看看另一个很酷的选择：D
感谢您的回答，但是，这不是我想要的。但这可能是我的错误，我不够清楚。请看我的编辑。

【解决方案5】：

直方图在 matplotlib 中很容易实现：

import matplotlib.pyplot as plt
# generate data in list form here
plt.hist(list)
plt.show()

您可以通过执行 plt.hist(list, bins=desired number) 来设置 bin 的数量

我不确定 matplotlib 将如何处理日期字符串，但您可以将开始日期设置为 0，每隔一个日期设置为 x（第 0 天之后的几天）。然后您可以调整 bin 的数量，使 1 bin 对应于一天。

【讨论】：