时间序列数据：每天的bin数据，然后按星期几绘制

Question

我有一个非常简单的pandas DataFrame，格式如下：

date        P1      P2      day
2015-01-01  190     1132    Thursday
2015-01-01  225     1765    Thursday
2015-01-01  3427    29421   Thursday
2015-01-01  945     7679    Thursday
2015-01-01  1228    9537    Thursday
2015-01-01  870     6903    Thursday
2015-01-02  785     4768    Friday
2015-01-02  1137    7065    Friday
2015-01-02  175     875     Friday

其中P1和P2是不同的感兴趣参数。 我想为每个P1和P2创建一个看起来像这样的条形图。 如数据所示，我每天都有几个值。 我想对给定日期的给定值进行平均，然后根据星期几进行绘图（以便将星期一第1周的平均值添加到星期一第2周等）。

我是python的新手，我当前的方法非常讨厌，涉及几个循环。 我目前有两个专门的代码部分 - 一个用于执行平均值，另一个用于每周一次执行一次，并计算绘图的结果。 有更清洁的方法吗？

Answer 1

好像你在寻找：

df[['day', 'P1']].groupby('day').mean().plot(kind='bar', legend=None)

和

df[['day', 'P2']].groupby('day').mean().plot(kind='bar', legend=None)

完整示例：

import numpy as np
import pandas as pd

days = ['Mon', 'Tue', 'Wed', 'Thur', 'Fri', 'Sat', 'Sun']
day = np.random.choice(days, size=1000)
p1, p2 = np.random.randint(low=0, high=2500, size=(2, 1000))
df = pd.DataFrame({'P1': p1, 'P2': p2, 'day': day})

# Helps for ordering of day-of-week in plot
df['day'] = pd.Categorical(df.day, categories=days)

# %matplotlib inline

df[['day', 'P1']].groupby('day').mean().plot(kind='bar', legend=None)
df[['day', 'P2']].groupby('day').mean().plot(kind='bar', legend=None)

需要注意的是在现有数据框调用pd.Categorical让你自定义排序键显示在这里 。

结果（对于P1）：

更新

在你的评论中你问过，

groupby是否在组的所有实例中找到给定参数（比如P1）的平均值？ 例如，如果我有8个星期一，结果值是星期一发生的所有数据点的平均值吗？ 这里增加的障碍是我对数据的采样不可靠。 如果我的星期一有10个样本，星期一有1个，那么简单地平均所有11个值将在周一淹没，样本量很小。 因此，我想在考虑星期几之前平均给定日期的所有值。

是的，上面的groupby会找到所有实例的平均值。 以下是你可以达到“双倍”平均值的方法：

# for P1; replace P2 with P1 to find P2 avgs.
df.drop('P2', axis=1).groupby(['date', 'day']).mean()\
    .reset_index().groupby('day').mean().plot(kind='bar', legend=None)