如何在 Pandas 中创建 groupby 子图？

Question

我有一个数据框，其中包含犯罪的时间序列数据，其中有一个方面是进攻（看起来像下面的格式）。我想在数据框上执行 groupby 图，以便可以探索随时间推移的犯罪趋势。

    Offence                     Rolling year total number of offences       Month
0   Criminal damage and arson   1001                                        2003-03-31
1   Drug offences               66                                         2003-03-31
2   All other theft offences    617                                   2003-03-31
3   Bicycle theft               92                                    2003-03-31
4   Domestic burglary           282                                   2003-03-31

我有一些代码可以完成这项工作，但它有点笨拙，而且它失去了 Pandas 在单个图上提供的时间序列格式。（我附上了一张图片来说明）。任何人都可以为我可以使用的此类情节推荐一个成语吗？

我想求助于 Seaborn，但我不知道如何将 xlabel 格式化为时间序列。

subs = []
for idx, (i, g) in enumerate(df.groupby("Offence")):
        subs.append({"data": g.set_index("Month").resample("QS-APR", how="sum").ix["2010":],
                     "title":i})

ax = plt.figure(figsize=(25,15))
for i,g in enumerate(subs):
    plt.subplot(5, 5, i)
    plt.plot(g['data'])
    plt.title(g['title'])
    plt.xlabel("Time")
    plt.ylabel("No. of crimes")
    plt.tight_layout()

Answer 1

这是 Pandas 中 6 个散点图的可重现示例，连续 6 年从 pd.groupby() 获得。 x 轴是当年的油价（布伦特），y 轴是同年的 sp500 值。

import matplotlib.pyplot as plt
import pandas as pd
import Quandl as ql
%matplotlib inline

brent = ql.get('FRED/DCOILBRENTEU')
sp500 = ql.get('YAHOO/INDEX_GSPC')
values = pd.DataFrame({'brent':brent.VALUE, 'sp500':sp500.Close}).dropna()["2009":"2015"]

fig, axes = plt.subplots(2,3, figsize=(15,5))
for (year, group), ax in zip(values.groupby(values.index.year), axes.flatten()):
    group.plot(x='brent', y='sp500', kind='scatter', ax=ax, title=year)

这会产生下面的图：

（以防万一，从这些图中您可以推断出 2010 年石油和 sp500 之间存在很强的相关性，但在其他年份则不然）。

您可以在 group.plot() 中更改 kind 以使其适合您的特定种类或数据。我预计，pandas 将保留 x 轴的日期格式（如果您的数据中有）。

Answer 2

Altair 在这种情况下效果很好。

import matplotlib.pyplot as plt
import pandas as pd
import quandl as ql

df = ql.get(["NSE/OIL.1", "WIKI/AAPL.1"], start_date="2013-1-1")
df.columns = ['OIL', 'AAPL']
df['year'] = df.index.year

from altair import *

Viz #1- year/No 列没有颜色

Chart(df).mark_point(size=1).encode(x='AAPL',y='OIL').configure_cell(width=200, height=150)

Viz #2- year/columns 年

没有颜色

Chart(df).mark_point(size=1).encode(x='AAPL',y='OIL', column='year').configure_cell(width=140, height=70).configure_facet_cell(strokeWidth=0)

Viz #3- 按年份填色

Chart(df).mark_point(size=1).encode(x='AAPL',y='OIL', color='year:N').configure_cell(width=140, height=70)

Answer 3

在 pandas 中绘制组的惯用方法实际上是 pivot the groups into columns （不是 groupby）：

table = df.pivot_table(index='Month', columns='Offence', values='Total', aggfunc=sum)

# Offence     Arson  Bicycle  Burglary  Drug  Theft  Violent
# Month                                                     
# 2020-01-31    525      435       303   363    653      762
# 2020-02-29    180      146       438   177    498      381
# 2020-03-31    375      546       421   485    233      277
# ...
# 2021-12-31    329      344       490   550    592      385

Pandas然后可以自动生成subplots per column in a given layout:

table.plot(subplots=True, layout=(3, 2))

I would turn to seaborn but I can't work out how to format the xlabel as timeseries.

对于 seaborn，保持数据的长格式而不旋转。假设日期已经转换 to_datetime, format the tick labels using autofmt_xdate:

g = sns.relplot(kind='line', data=df, x='Month', y='Total',
                hue='Offence', col='Offence', estimator=sum,
                col_wrap=2, height=2, aspect=2, legend=False)
g.fig.autofmt_xdate()

如何在 Pandas 中创建 groupby 子图？

How to create groupby subplots in Pandas?

python

pandas

matplotlib

seaborn

subplot

Viz #1- year/No 列没有颜色

Viz #2- year/columns 年

Viz #3- 按年份填色