如何绘制 Pandas 中日期的核密度图？

Question

我有一个 pandas 数据框，其中每个观察值都有一个日期（作为 datetime[64] 格式的条目列）。这些日期分布在大约 5 年的时间段内。我想绘制所有观测日期的核密度图，年份标记在 x 轴上。

我已经弄清楚如何创建相对于某个参考日期的时间增量，然后创建每个观察值和参考日期之间 hours/days/years 数量的密度图：

df['relativeDate'].astype('timedelta64[D]').plot(kind='kde')

但这并不是我想要的：如果我转换为年增量，则 x 轴是正确的，但我失去了年内变化。但如果我采用更小的时间单位，例如小时或天，则 x 轴标签更难解释。

在 Pandas 中实现此功能的最简单方法是什么？

Answer 1

我想有一些更好的自动方法可以做到这一点，但如果没有，那么这应该是一个不错的解决方法。首先，让我们设置一些示例数据：

np.random.seed(479)
start_date = '2011-1-1'
df = pd.DataFrame({ 'date':np.random.choice( 
                    pd.date_range(start_date, periods=365*5, freq='D'), 50) })

df['rel'] = df['date'] - pd.to_datetime(start_date)
df.rel = df.rel.astype('timedelta64[D]')

        date   rel
0 2014-06-06  1252
1 2011-10-26   298
2 2013-08-24   966
3 2014-09-25  1363
4 2011-12-23   356

如您所见，'rel' 只是从开始日期算起的天数。它本质上是一个整数，所以您真正需要做的就是根据开始日期对其进行标准化。

df['year_as_float'] = pd.to_datetime(start_date).year + df.rel / 365.

        date   rel  year_as_float
0 2014-06-06  1252    2014.430137
1 2011-10-26   298    2011.816438
2 2013-08-24   966    2013.646575
3 2014-09-25  1363    2014.734247
4 2011-12-23   356    2011.975342

对于不是从 1 月 1 日开始的日期，您需要稍微调整一下。这也忽略了任何闰年，如果您只是制作 5 年以上的 KDE 图，这实际上不是一个实际问题，但是这可能很重要，具体取决于您还想做什么。

这是情节

df['year_as_float']d.plot(kind='kde')

Answer 2

受@JohnE 的回答启发，另一种将日期转换为数值的方法是使用 .toordinal().

import pandas as pd
import numpy as np

# simulate some artificial data
# ===============================
np.random.seed(0)
dates = pd.date_range('2010-01-01', periods=31, freq='D')
df = pd.DataFrame(np.random.choice(dates,100), columns=['dates'])
# use toordinal() to get datenum
df['ordinal'] = [x.toordinal() for x in df.dates]

print(df)

        dates  ordinal
0  2010-01-13   733785
1  2010-01-16   733788
2  2010-01-22   733794
3  2010-01-01   733773
4  2010-01-04   733776
5  2010-01-28   733800
6  2010-01-04   733776
7  2010-01-08   733780
8  2010-01-10   733782
9  2010-01-20   733792
..        ...      ...
90 2010-01-19   733791
91 2010-01-28   733800
92 2010-01-01   733773
93 2010-01-15   733787
94 2010-01-04   733776
95 2010-01-22   733794
96 2010-01-13   733785
97 2010-01-26   733798
98 2010-01-11   733783
99 2010-01-21   733793

[100 rows x 2 columns]    

# plot non-parametric kde on numeric datenum
ax = df['ordinal'].plot(kind='kde')
# rename the xticks with labels
x_ticks = ax.get_xticks()
ax.set_xticks(x_ticks[::2])
xlabels = [datetime.datetime.fromordinal(int(x)).strftime('%Y-%m-%d') for x in x_ticks[::2]]
ax.set_xticklabels(xlabels)

如何绘制 Pandas 中日期的核密度图？

How to plot kernel density plot of dates in Pandas?

python

time-series

matplotlib

kernel-density

pandas