多年来每个月的平均值的多个子图的散点图

Question

嘿，网络上的人们，

我有一个正在创建“show_monthly_temp”的函数，我试图在其中绘制一个包含 12 个散点子图的图形，其中每个子图的下一行提到的目的。

函数

打印以下内容（DATE 是一个日期时间对象）：

现在，我试图做的（未成功）是绘制 12 个子图，代表整个采样年中一年中每个月的平均值。

有什么想法可以这样做吗？

强调一下我的目标:

每个子图都是一个月，其中 Y 代表当年测量的温度，X 代表样本年份。

谢谢！ :-)

完整代码在这里：

import pandas as pd
from datetime import datetime
import numpy as np
import scipy as stats
import matplotlib.pyplot as plt

def show_monthly_temp(tmax):
    print(tmax)
    # getting averages for months
    # tmax_grouped_avg = tmax.groupby([tmax.index.month,tmax.index.year]).mean()
    tmax_grouped_avg = tmax.groupby(tmax.index.strftime("%m/%Y")).mean()
    print(type(tmax_grouped_avg))
    fig, axes = plt.subplots(6,2)
    print(tmax_grouped_avg)
    # tmax_grouped_avg = pd.to_datetime(tmax_grouped_avg)
    plt.show()


if __name__ == '__main__':
    df = pd.read_csv("2961941.csv")

    # set date column as index, drop the 'DATE' column to avoid repititions + create as datetime object
    # speed up parsing using infer_datetime_format=True.
    df.index = pd.to_datetime(df['DATE'], infer_datetime_format=True)

    # create new tables

    tmax = df.filter(['TMAX'], axis=1).dropna()
    snow = df.filter(['SNOW']).dropna()


    # count number of snow day samples - make sure at least >= 28
    snow_grouped = snow.groupby(pd.Grouper(level='DATE', freq="M")).transform('count')
    snow = (snow[snow_grouped['SNOW'] >= 28])

    # count number of tmax day samples - make sure at least >= 28
    tmax_grouped = tmax.groupby(pd.Grouper(level='DATE', freq="M")).transform('count')
    tmax = (tmax[tmax_grouped['TMAX'] >= 28])

    ################ Until here - initialized data ###############
    show_monthly_temp(tmax)

Answer 1

如果我没理解错的话，你可以这样做：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import calendar

# Fake data - generating 'tmax_grouped_avg'.
df = pd.DataFrame({'Date': pd.date_range('1990-10-01', '2023-05-01')})
df['TMAX'] = np.random.random((len(df)))*30
tmax_grouped_avg = df.groupby(df['Date'].dt.strftime('%m/%Y')).mean()

# New code here.
tmax_grouped_avg['datetime'] = pd.to_datetime(tmax_grouped_avg.index)
tmax_grouped_avg['Year'] = tmax_grouped_avg['datetime'].dt.year
groups = tmax_grouped_avg.groupby(tmax_grouped_avg['datetime'].dt.month)

f, axes = plt.subplots(nrows=3, ncols=4, figsize=(12, 6))

for (grp_id, grp_df), ax in zip(groups, axes.ravel()):
    # Check if you want sharex and sharey.
    grp_df.plot.scatter(ax=ax, x='Year', y='TMAX', title=f'{calendar.month_name[grp_id]}', legend=False, 
                        sharey=True, sharex=True)

plt.suptitle('Maximum temperature for each month')
plt.tight_layout()
plt.show()

结果：

多年来每个月的平均值的多个子图的散点图

scatter plotting with multiple subplots of each month's mean throughout the years

python

matplotlib

dataframe

pandas