Я новичок в Python. Как суммировать данные на основе даты и построить результат?
У меня есть объект серии с такими данными, как:
2017-11-03 07:30:00 NaN
2017-11-03 09:18:00 NaN
2017-11-03 10:00:00 NaN
2017-11-03 11:08:00 NaN
2017-11-03 14:39:00 NaN
2017-11-03 14:53:00 NaN
2017-11-03 15:00:00 NaN
2017-11-03 16:00:00 NaN
2017-11-03 17:03:00 NaN
2017-11-03 17:42:00 800.0
2017-11-04 07:27:00 600.0
2017-11-04 10:10:00 NaN
2017-11-04 11:48:00 NaN
2017-11-04 12:58:00 500.0
2017-11-04 13:40:00 NaN
2017-11-04 15:15:00 NaN
2017-11-04 16:21:00 NaN
2017-11-04 17:37:00 500.0
2017-11-04 21:37:00 NaN
2017-11-05 03:00:00 NaN
2017-11-05 06:30:00 NaN
2017-11-05 07:19:00 NaN
2017-11-05 08:31:00 200.0
2017-11-05 09:31:00 500.0
2017-11-05 12:03:00 NaN
2017-11-05 12:25:00 200.0
2017-11-05 13:11:00 500.0
2017-11-05 16:31:00 NaN
2017-11-05 19:00:00 500.0
2017-11-06 08:08:00 NaN
У меня есть следующий код:
# load packages
import pandas as pd
import matplotlib.pyplot as plt
# import painkiller data
df = pd.read_csv('/Users/user/Documents/health/PainOverTime.csv',delimiter=',')
# plot bar graph of date and painkiller amount
times = pd.to_datetime(df.loc[:,'Time'])
ts = pd.Series(df.loc[:,'acetaminophen'].values, index = times,
name = 'Painkiller over Time')
ts.plot()
Это дает мне следующий график (?):
Это начало; теперь я хочу суммировать дозы по дате. Однако этот код не вносит никаких изменений: результирующий график тот же. Что случилось?
ts.resample('D',closed='left', label='right').sum()
ts.plot()
Я также попробовал ts.resample('D').sum()
ts.resample('1d').sum()
ts.resample('D').sum()
, ts.resample('1d').sum()
ts.resample('1D').sum()
ts.resample('1d').sum()
, ts.resample('1D').sum()
, но изменений в сюжет.
Является .resample
даже правильная функция? Я понимаю, что повторная выборка является выборкой из данных, например, случайным образом принимающей одну точку в день, тогда как я хочу суммировать значения каждого дня.
А именно, я надеюсь на какой-то результат (на основе приведенных выше данных), например:
2017-11-03 800
2017-11-04 1600
2017-11-05 1900
2017-11-06 NaN
Этот ответ помог мне понять, что мне нужно назначить его новому объекту (если это правильная терминология):
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('/Users/user/Documents/health/PainOverTime.csv',delimiter=',')
# plot bar graph of date and painkiller amount
times = pd.to_datetime(df.loc[:,'Time'])
# raw plot of data
ts = pd.Series(df.loc[:,'acetaminophen'].values, index = times,
name = 'Painkiller over Time')
fig1 = ts.plot()
# combine data by day
test2 = ts.resample('D').sum()
fig2 = test2.plot()
Это дает следующие графики:
Этот метод не лучше, чем функция "groupby"?
Теперь, как сделать график разброса или бар, а не этот сюжет линии...?
Используйте функцию pandas groupby.
import io
import pandas as pd
data = io.StringIO('''
2017-11-03 07:30:00,NaN
2017-11-03 09:18:00,NaN
2017-11-03 10:00:00,NaN
2017-11-03 11:08:00,NaN
2017-11-03 14:39:00,NaN
2017-11-03 14:53:00,NaN
2017-11-03 15:00:00,NaN
2017-11-03 16:00:00,NaN
2017-11-03 17:03:00,NaN
2017-11-03 17:42:00,800.0
2017-11-04 07:27:00,600.0
2017-11-04 10:10:00,NaN
2017-11-04 11:48:00,NaN
2017-11-04 12:58:00,500.0
2017-11-04 13:40:00,NaN
2017-11-04 15:15:00,NaN
2017-11-04 16:21:00,NaN
2017-11-04 17:37:00,500.0
2017-11-04 21:37:00,NaN
2017-11-05 03:00:00,NaN
2017-11-05 06:30:00,NaN
2017-11-05 07:19:00,NaN
2017-11-05 08:31:00,200.0
2017-11-05 09:31:00,500.0
2017-11-05 12:03:00,NaN
2017-11-05 12:25:00,200.0
2017-11-05 13:11:00,500.0
2017-11-05 16:31:00,NaN
2017-11-05 19:00:00,500.0
2017-11-06 08:08:00,NaN
''')
column_names = ['date', 'val']
df = pd.read_csv(data, sep=',', header = None, names = column_names)
df['date'] = pd.to_datetime(df['date'])
df = df.groupby(df['date'].dt.date)[['val']].sum()
df.plot()
groupby
чем моё решение ниже, используя resample
?
Короткий ответ: вам нужна .groupby()
, а не .resample()
, как в этом ответе
Более длинный код:
import pandas as pd
from io import StringIO
doc = StringIO("""2017-11-03 07:30:00 NaN
2017-11-03 09:18:00 NaN
2017-11-03 10:00:00 NaN
2017-11-03 11:08:00 NaN
2017-11-03 14:39:00 NaN
2017-11-03 14:53:00 NaN
2017-11-03 15:00:00 NaN
2017-11-03 16:00:00 NaN
2017-11-03 17:03:00 NaN
2017-11-03 17:42:00 800.0
2017-11-04 07:27:00 600.0
2017-11-04 10:10:00 NaN
2017-11-04 11:48:00 NaN
2017-11-04 12:58:00 500.0
2017-11-04 13:40:00 NaN
2017-11-04 15:15:00 NaN
2017-11-04 16:21:00 NaN
2017-11-04 17:37:00 500.0
2017-11-04 21:37:00 NaN
2017-11-05 03:00:00 NaN
2017-11-05 06:30:00 NaN
2017-11-05 07:19:00 NaN
2017-11-05 08:31:00 200.0
2017-11-05 09:31:00 500.0
2017-11-05 12:03:00 NaN
2017-11-05 12:25:00 200.0
2017-11-05 13:11:00 500.0
2017-11-05 16:31:00 NaN
2017-11-05 19:00:00 500.0
2017-11-06 08:08:00 NaN""")
df = pd.read_csv(doc, sep='\\s{2,}',
header=None,
converters={'timestamp': pd.to_datetime},
names = ['timestamp', 'acetaminophen'],
engine='python')
df = df.set_index('timestamp')
#true, but rather ugly x axis line
df.plot.bar()
df1 = df.groupby(by=[df.index.date]).sum()
df1.plot.bar()
Если даты не постоянны, вы можете создать пустой фреймворк с полным индексом timeindex и слить df1
с ним.
groupby
вместо resample
groupby
?
groupby
немного более выразителен (для меня), также resample - это просто обёртка вокруг groudbyas, увиденного здесь . Однако ваша первоначальная ошибка не была связана с этим.
resample
будет иметь тот же результат и будет иметь более короткую запись, ноgroupby
не является явным и очень традиционным (он похож на синтаксис SQL-запросов), что хорошо для Learnign для манипулирования данными.