如何绘制一个事件在时间序列中的频率？
如何绘制一个事件在时间序列中的频率？
提问于 2018-12-27 21:14:06
我有一个包含日期和质量虚拟对象(0或1)的数据框：
unixTimestamp date quality
0 1370131200 06 2, 2013 1
1 1290643200 11 25, 2010 1
2 1283990400 09 9, 2010 1
3 1290556800 11 24, 2010 1
4 1317254400 09 29, 2011 1
5 1388707200 01 3, 2014 1
6 1398556800 04 27, 2014 1
7 1399161600 05 4, 2014 0
8 1405036800 07 11, 2014 1
9 1390176000 01 20, 2014 1
10 1397606400 04 16, 2014 1我想做的是:绘制一段时间内quality中出现yes (1)的频率。
我尝试过的是:像这样绘制一个直方图：
plt.hist(x=df.loc[df['quality'] == 1].unixTimestamp, bins=78)
plt.show()我选择78是因为quality等于1的最晚日期是1405123200，最早日期是1203379200。这分别转换为2014年7月12日和2008年2月19日。两者之间的差异是78个月。由此产生的输出相当混乱：
有人能告诉我如何在散点图上绘制这种趋势吗？我只使用unixTimestamp。对于处理时间序列数据的更好方法的建议非常受欢迎。
此外，这是在170行df上运行的。实际数据大约有10M行。还能有人建议表示数据的最佳方式吗？提前感谢！
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-12-27 21:33:47
您似乎希望在每个周期内(日、月等)按日期和行数对观察结果进行分组。它们的质量等于1。
这项工作是为pandas中的.groupby方法而设计的。在进行分组之前，让我们确保python也能识别日期。
import pandas as pd
df['alt_date'] = pd.to_datetime(df['unixTimestamp'], unit='s')
daily_quality = df.groupby('alt_date')['quality'].sum()现在，您可以使用pd.DataFrame.plot()绘制结果，它使用matplotlib轻松地从pandas数据帧绘制图形：
import matplotlib.pyplot as plt
daily_quality.plot(kind='bar')
plt.show()如果您希望按月对日期进行分组，则可以使用pd.Grouper()，它的工作原理如下：
monthly_quality = df.groupby(pd.Grouper(key='alt_date', freq='M'))['quality']
.sum()
.fillna(0) # in case you have missing months
monthly_quality.plot(kind='bar')
plt.show()页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53945708
复制相关文章
相似问题
腾讯云开发者
