如何根据周分离python系列中的数据以将它们绘制在周期图中？

Question

我在一个带有日期和时间的系列中有五周的季节性数据，我如何根据周数将其分开，例如第 1 周、第 2 周...第 5 周，以便我可以在同一张图中绘制所有周数据。我尝试通过找到平均值来重新采样数据。但数据仍然是单系列。我只想在不同的数据框中根据 2019-04-02 到 2019-04-08、2019-04-08 到 2019-04-16 等周在单独的 df 中分离数据df.open.resample('M').mean()date    pageload  day0     2019-04-02 10:48:00  -79.002023  Tue1     2019-04-02 10:49:00   33.563679  Tue2     2019-04-02 10:50:00  -76.448319  Tue3     2019-04-02 10:51:00   30.974816  Tue4     2019-04-02 10:52:00  -68.789962  Tue5     2019-04-02 10:53:00   30.593374  Tue21    2019-04-16 11:34:00   40.333445  Fri数据框按周分开。在单个图表中绘制所有周数据。

Answer 1

我不认为你想像 Shijith 展示的那样重新采样。我认为您每周都需要不同的数据框。IMO 您想为此使用groupby ( doc )。Pandas Groupby函数可用于按列或索引拆分数据框中的数据。该方法返回一个 pandas groupby 对象，该对象可用于在将组合并回来之前对组执行操作。

在代码片段中，我首先创建一个列来对数据进行分组（即“周”列）。比我按周列对数据进行分组。这将创建一个 groupby 对象，其中包括一个字典，该字典具有“weeks”列的唯一值作为键和数据帧的索引列表，这些索引列表具有与“weeks”列相同的值作为值。这可以通过print(grps.groups)在控制台中输入来查看。然后我遍历组的键，并通过调用get_groupgroupby 对象上的方法将每周数据帧添加到字典中。

import pandas as pd

# Make sample data

index=pd.date_range(start='2014-01-01', end='2014-1-31',freq='D')

df = pd.DataFrame({"vals":np.random.randint(-5,5,len(index))}, index=index)

df["csum"] = df.vals.cumsum()

# Add a column for weeks to enable grouping

df["weeks"] = df.index.week

# Group the data

grps = df.groupby("weeks")

# split the group into separate dataframes

df_dict = {}

for gi in grps.groups:

    df_dict[gi] = grps.get_group(gi)

我从这样的事情开始：

            vals  csum  weeks

2014-01-01     4     4      1

2014-01-02    -5    -1      1

...

2014-01-30    -2    -9      5

2014-01-31    -5   -14      5

最终得到如下数据框

1

            vals  csum  weeks

2014-01-01     4     4      1

2014-01-02    -5    -1      1

2014-01-03    -4    -5      1

2014-01-04     4    -1      1

2014-01-05    -5    -6      1

2

            vals  csum  weeks

2014-01-06    -5   -11      2

2014-01-07     2    -9      2

2014-01-08     4    -5      2

2014-01-09    -1    -6      2

2014-01-10    -1    -7      2

2014-01-11    -3   -10      2

2014-01-12    -2   -12      2

Answer 2

如果您的数据框df按日期编入索引

   print(df)

                 High         Low        Open       Close    Volume   Adj Close

Date                                                                            

2019-04-01  191.679993  188.380005  191.639999  191.240005  27862000  191.240005

2019-04-02  194.460007  191.050003  191.089996  194.020004  22765700  194.020004

2019-04-03  196.500000  193.149994  193.250000  195.350006  23271800  195.350006

2019-04-04  196.369995  193.139999  194.789993  195.690002  19114300  195.690002

2019-04-05  197.100006  195.929993  196.449997  197.000000  18526600  197.000000

2019-04-08  200.229996  196.339996  196.419998  200.100006  25881700  200.100006

2019-04-09  202.850006  199.229996  200.320007  199.500000  35768200  199.500000

2019-04-10  200.740005  198.179993  198.679993  200.619995  21695300  200.619995

2019-04-11  201.000000  198.440002  200.850006  198.949997  20900800  198.949997

2019-04-12  200.139999  196.210007  199.199997  198.869995  27760700  198.869995

做，

weekly_summary = pd.DataFrame()

weekly_summary['Open'] = df.open.resample('W').first()

print(weekly_summary)  

                  Open

Date                  

2019-04-07  191.639999

2019-04-14  196.419998

如果它没有按日期时间编入索引，

df['Date'] = pd.to_datetime(df['Date'])

df.set_index('Date', inplace=True)

df.sort_index(inplace=True)

weekly_summary = pd.DataFrame()

weekly_summary['Open'] = df.open.resample('W').first()  

对于上面的代码数据框将在 'sundays' 进行索引，如果您希望它在 'Mondays' （即一周的开始日期）进行索引，请执行以下操作。

weekly_summary = pd.DataFrame()

weekly_summary['Open'] = df.open.resample('W',loffset=pd.offsets.timedelta(days=-6)).first()

print(weekly_summary)  

                  Open

Date                  

2019-04-01  191.639999

2019-04-08  196.419998