Loading [MathJax]/jax/output/CommonHTML/config.js

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >问答首页 >Pandas:按年份和绘图密度分组

问Pandas:按年份和绘图密度分组
EN

Stack Overflow用户

提问于 2015-04-02 14:16:51

回答 1查看 468关注 0票数 0

我有一个数据框架，其中包含一些基于time的数据：

>>> temp.groupby(pd.TimeGrouper('AS'))['INC_RANK'].mean()
date
2001-01-01    0.567128
2002-01-01    0.581349
2003-01-01    0.556646
2004-01-01    0.549128
2005-01-01         NaN
2006-01-01    0.536796
2007-01-01    0.513109
2008-01-01    0.525859
2009-01-01    0.530433
2010-01-01    0.499250
2011-01-01    0.488159
2012-01-01    0.493405
2013-01-01    0.530207
Freq: AS-JAN, Name: INC_RANK, dtype: float64

现在我想画出每一年的密度。以下命令用于其他数据帧，但不在此处：

>>> temp.groupby(pd.TimeGrouper('AS'))['INC_RANK'].plot(kind='density')
ValueError: ordinal must be >= 1

下面是该列的外观：

>>> temp['INC_RANK'].head()
date
2001-01-01    0.516016
2001-01-01    0.636038
2001-01-01    0.959501
2001-01-01         NaN
2001-01-01    0.433824
Name: INC_RANK, dtype: float64

EN

回答 1

Stack Overflow用户

发布于 2015-04-02 16:18:06

我认为这是由于您的数据中的nan，因为nans的密度无法估计。但是，既然您想要可视化密度，那么简单地删除丢失的值应该不是一个大问题，假设丢失/未观察到的单元应该遵循与观察到的/未丢失的单元遵循相同的分布。因此，df.dropna().groupby(pd.TimeGrouper('AS'))['INC_RANK'].plot(kind='density')应该就足够了。

另一方面，如果缺失值不是“未观察到”，而是超出了测量范围(例如，来自温度传感器的数据，读数为0~50F，但有时会遇到100F温差)。传感器发出错误代码并记录为缺失值)，则dropna()可能不是一个好主意。

票数 0

EN

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/29415203

复制

相关文章

Pandas绘图之Series和Dataframe

numpy python matlab

import numpy as np import pandas as pd from pandas import Series import matplotlib.pyplot as plt s1 = Series(np.random.randn(10)).cumsum()

慕白

2020/01/02

2.5K0

Pandas绘图之Series和Dataframe

Pandas按班拆分Excel文件+按班排名和按级排名

apply excel pandas rank 数学

1。用pandas.groupby+apply+to_excel进行按‘班别’列对一个Excel文件拆分成一个班一个文件的操作。简单又强大

哆哆Excel

2022/10/25

1.3K0

Pandas按班拆分Excel文件+按班排名和按级排名

绘图系列(3):绘制密度图

python matlab numpy

在进行数据可视化的时候，通常可以通过散点图比较直观的查看数据的分布情况。但是当数据量大且分布比较集中的时候就没那么容易确定数据的分布了，这时候可以通过绘制密度或是热力图直观获取数据分布情况。

bugsuse

2020/04/21

1.3K0

pandas排序按索引和值排序

pandas 排序 import pandas as pd import numpy as np unsorted_df=pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],columns=['col2','col1']) print (unsorted_df) # 按标签排序 sorted_df = unsorted_df.sort_index(ascending=False) # 降序 print (sorted_df) s

AI拉呱

2021/01/14

3K0

Pandas绘图功能

编程算法 python matlab numpy

可视化是用来探索性数据分析最强大的工具之一。Pandas库包含基本的绘图功能，可以让你创建各种绘图。Pandas中的绘图是在matplotlib之上构建的，如果你很熟悉matplotlib你会惊奇地发现他们的绘图风格是一样的。

用户3577892

2020/11/12

1.8K0

【R绘图】散点图+直方图（密度图）

r 语言编程算法

这张图在传统的相关性散点图的基础上还多了一个直方图，来展示该变量的分布情况。今天我们就来带大家来重现这样的图。

生信交流平台

2022/09/21

9430

【R绘图】散点图+直方图（密度图）

Pandas-18.分组

axis filter key pandas transform

Pandas-18.分组任何分组操作都涉及原始对象的以下操作之一：分割对象应用一个函数结合的结果将数据分组之后，每个自己可以执行以下种类的操作：聚合 - 计算汇总统计转换 - 执行特定于组的操作过滤以如下代码作为例子： import pandas as pd ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings', 'kings', 'Kings', 'Kings', 'Riders',

悠扬前奏

2019/05/29

6630

python pandas分组统计

利用panda便捷的对日志分组统计： #!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2017/11/14 下午6:27 # @Author : wz # @Email : 277215243@qq.com # @File : testpanda.py # @web : https://www.bthlt.com import pandas ''' 2017-10-30 20:21:06.626735|27024|5

葫芦

2019/04/17

1.2K0

[71]pandas分组与聚合

分组 (groupby) 对数据集进行分组，然后对每组进行统计分析 SQL能够对数据进行过滤，分组聚合 pandas能利用groupby进行更加复杂的分组运算分组运算过程：split->apply->combine 拆分：进行分组的根据应用：每个分组运行的计算规则合并：把每个分组的计算结果合并起来示例代码： import pandas as pd import numpy as np dict_obj = {'key1' : ['a', 'b', 'a

周小董

2022/04/12

6220

[71]pandas分组与聚合

密度图及山脊图绘图基础

data import 函数基础数据

Seaborn 的 kdeplot() 函数是 Python 中绘制密度图的方式之一，Matplotlib 在现阶段则没有具体的绘制密度图的函数，一般是结合 Scipy 库中的 gaussian_kde() 函数结果进行绘制。

timerring

2023/10/13

6600

数据科学的原理与技巧三、处理表格数据

在本章的每一节中，我们将使用第一章中的婴儿名称数据集。我们将提出一个问题，将问题分解为大体步骤，然后使用pandas DataFrame将每个步骤转换为 Python 代码。我们从导入pandas开始：

ApacheCN_飞龙

2022/12/01

4.7K0

循环绘图和多分组多基因（变量）差异展示

经常遇到‘一个循环绘制每一个差异基因在肿瘤和正常的表达差异’和‘需要在一张图中展示多个差异基因在肿瘤和正常组的表达分布’需求。如下列两张图所示：

用户1359560

2021/12/06

1K0

循环绘图和多分组多基因（变量）差异展示

基于seaborn绘制多子图

数据分析数据可视化 matplotlib seaborn

之前也写过一些关于seaborn的文章，本文给大家介绍如何使用seaborn来绘制多子图。

皮大大

2023/09/09

7580

使用 Pandas 在 Python 中绘制数据

在有关基于 Python 的绘图库的系列文章中，我们将对使用 Pandas 这个非常流行的 Python 数据操作库进行绘图进行概念性的研究。Pandas 是 Python 中的标准工具，用于对进行数据可扩展的转换，它也已成为从 CSV 和 Excel 格式导入和导出数据的流行方法。

用户1880875

2021/09/15

7.5K0

Pandas的分组聚合groupby

Pandas怎样实现groupby分组统计 groupby：先对数据分组，然后在每个分组上应用聚合函数、转换函数 import pandas as pd import numpy as np %matplotlib inline df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'], 'B': ['one', 'one', 'two', 'three', 'two

北山啦

2022/11/27

1.8K0

Pandas的分组聚合groupby

绘制频率分布直方图的三种方法，总结的很用心！

直方图能帮助迅速了解数据的分布形态，将观测数据分组，并以柱状条表示各分组中观测数据的个数。简单而有效的可视化方法，可检测数据是否有问题，也可看出数据是否遵从某种已知分布。

double

2020/02/21

36.8K1

绘制频率分布直方图的三种方法，总结的很用心！

万字长文 | 超全代码详解Python制作精美炫酷图表教程

本文将探讨三种用Python可视化数据的不同方法。以可视化《2019年世界幸福报告》的数据为例，本文用Gapminder和Wikipedia的信息丰富了《世界幸福报告》数据，以探索新的数据关系和可视化方法。

昱良

2019/11/27

3.2K0

万字长文 | 超全代码详解Python制作精美炫酷图表教程

Pandas|排序，分组，组内排序

数据结构 python

01 Pandas的基本排序 Pandas的主要数据结构有2个：DataFrame，Series，针对这两个类型的排序Demo如下： #coding=utf-8 import pandas as pd import numpy as np #以下实现排序功能。 series=pd.Series([3,4,1,6],index=['b','a','d','c']) frame=pd.DataFrame([[2,4,1,5],[3,1,4,5],[5,1,4,2]],columns=['b

double

2018/04/02

7.4K0

题目：输入年份，判断是否为闰年。如果是，则输出 yes, 否则输出 no。提示：简单的判断除以4的余数是不够的。思路： 1. 能被4整除，并且不能被100整除年份 2.能被400整除的年份 c语言实现 #include<stdio.h> int main() { int year; scanf("%d",&year); if(year%400==0||(year%4==0&&year%100!=0)) { printf("yes"); }else

Vincent-yuan

2020/05/19

8880

点击加载更多

相似问题

使用Pandas按年份和类型分组

20

按年份Pandas的问题分组

18

pandas按日期和年份分组，并汇总数量

215

如何按年份和月份绘制平均密度

13

按年份分组

36

添加站长进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例