時間序列數據：每天的bin數據，然后按星期幾繪制

Question

我有一個非常簡單的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是不同的感興趣參數。 我想為每個P1和P2創建一個看起來像這樣的條形圖。 如數據所示，我每天都有幾個值。 我想對給定日期的給定值進行平均，然后根據星期幾進行繪圖（以便將星期一第1周的平均值添加到星期一第2周等）。

我是python的新手，我當前的方法非常討厭，涉及幾個循環。 我目前有兩個專門的代碼部分 - 一個用於執行平均值，另一個用於每周一次執行一次，並計算繪圖的結果。 有更清潔的方法嗎？

Answer 1

好像你在尋找：

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)

需要注意的是在現有數據框調用pd.Categorical讓你自定義排序鍵顯示在這里 。

結果（對於P1）：

更新

在你的評論中你問過，

groupby是否在組的所有實例中找到給定參數（比如P1）的平均值？ 例如，如果我有8個星期一，結果值是星期一發生的所有數據點的平均值嗎？ 這里增加的障礙是我對數據的采樣不可靠。 如果我的星期一有10個樣本，星期一有1個，那么簡單地平均所有11個值將在周一淹沒，樣本量很小。 因此，我想在考慮星期幾之前平均給定日期的所有值。

是的，上面的groupby會找到所有實例的平均值。 以下是你可以達到“雙倍”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)