Python / Matplotlib-按年份的日期直方图 [英] Python / Matplotlib -- Histogram of Dates by Day of Year
问题描述
我有一个跨越数（百）年的日期列表。我想制作一个直方图，该直方图包含366个桶，一年中的每一天，并以清晰易懂的方式标记x轴，这样我就可以看到哪个日期是哪个日期（我希望2月29日有所下降（例如）。
我制作了以下直方图，但是易于阅读的X轴日期标签会很棒。下面的代码看起来很麻烦，但是却得到了我想要的东西（没有X轴标签）：
from datetime导入日期，datetime，timedelta $ b来自集合导入的$ b导入计数器
导入pylab
def plot_data（data）：
数据是包含字段的字典的列表日期带有日期时间。
def get_day（d）：
return d.strftime（％B％d）＃例如1月1日
天= []
n = 366
start_date = date（2020，1，1）＃为i在范围（n）中选择a年
：
d =开始日期+ timedelta（days = i）
days.append（get_day（d））
counts = d的Counter（get_day（d ['date']））在数据中）
Y = [counts.get（d）for d in days]
X = list（range（len（day（days））））
pylab .bar（X，Y）
pylab.xlim（[0，n]）
pylab.title（一年中的日期）
pylab.xlabel（ ；每年的天数（0-366））
pylab.ylabel（计数）
pylab.savefig（图1.png）
任何有助于缩短时间和
UPDATE 将使x轴日期更灵活，更清晰！ g>
我已将以下构想整合到
尝试检查此代码：
＃import section
进口熊猫为pd
进口matplotlib.pyplot为plt
进口matplotlib.dates为md
进口numpy为np
从日期时间进口日期
从itertools进口产品
＃生成一个像您一样的数据框
date = [date（2020，m，d）.strftime（％B％d）for product（range（1， 13，1），range（1，29，1））]
value = np.abs（np.random.randn（len（date）））
data = pd.DataFrame（{'date '：date，
'value'：value}）
data.set_index （'date'，inplace = True）
＃将索引从str转换为日期
data.index = pd.to_datetime（data.index，format ='％B％d'）
＃绘制
图，ax = plt.subplots（1，1，figsize =（16，8））
ax.bar（data.index，
data ['value']）
＃格式化xaxis
ax.xaxis.set_major_locator（md.DayLocator（interval = 5））
ax.xaxis.set_major_formatter（md.DateFormatter（ '％B％d'））
plt.setp（ax.xaxis.get_majorticklabels（），旋转= 90）
ax.set_xlim（[data.index [0]，data.index [-1 ]]）
plt.show（）
：
我转换了数据帧的索引从字符串到日期，然后我通过 ax.xaxis.set_major_locator 和 ax.xaxis.set_major_formatter 方法。
为了绘图，我使用了 matplotlib ，但是将这种方法转换为 pylab 。
编辑
如果您想要几天和几个月的单独刻度，可以添加辅助轴（选中此
I have a list of dates that span several (hundred) years. I'd like to make a histogram that has 366 buckets, one for each day of the year, with the x-axis labelled in a legible way that allows me to see which date is which (I'm expecting a dip for February 29, for example).
I've made the following histogram, but easy-to-read X-axis date labels would be awesome. The following code seems cumbersome but gets me what I want (without the X-axis labels):
from datetime import date, datetime, timedelta
from collections import Counter
import pylab
def plot_data(data):
"""data is a list of dicts that contain a field "date" with a datetime."""
def get_day(d):
return d.strftime("%B %d") # e.g. January 01
days = []
n = 366
start_date = date(2020, 1, 1) # pick a leap year
for i in range(n):
d = start_date + timedelta(days=i)
days.append(get_day(d))
counts = Counter(get_day(d['date']) for d in data)
Y = [counts.get(d) for d in days]
X = list(range(len(days)))
pylab.bar(X, Y)
pylab.xlim([0, n])
pylab.title("Dates day of year")
pylab.xlabel("Day of Year (0-366)")
pylab.ylabel("Count")
pylab.savefig("Figure 1.png")
Any help to shorten this up and make for more flexible and legible x-axis dates would be much appreciated!
UPDATE
I've incorporated the ideas below into the following gist, which produces output that looks like this:
Try to check this code:
# import section
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as md
import numpy as np
from datetime import date
from itertools import product
# generate a dataframe like yours
date = [date(2020, m, d).strftime("%B %d") for m, d in product(range(1, 13, 1), range(1, 29, 1))]
value = np.abs(np.random.randn(len(date)))
data = pd.DataFrame({'date': date,
'value': value})
data.set_index('date', inplace = True)
# convert index from str to date
data.index = pd.to_datetime(data.index, format = '%B %d')
# plot
fig, ax = plt.subplots(1, 1, figsize = (16, 8))
ax.bar(data.index,
data['value'])
# formatting xaxis
ax.xaxis.set_major_locator(md.DayLocator(interval = 5))
ax.xaxis.set_major_formatter(md.DateFormatter('%B %d'))
plt.setp(ax.xaxis.get_majorticklabels(), rotation = 90 )
ax.set_xlim([data.index[0], data.index[-1]])
plt.show()
that gives me this plot:
I converted the index of the dataframe from string to date, then I applied the xaxis format that I want through ax.xaxis.set_major_locator and ax.xaxis.set_major_formatter methods.
In order to plot that I used matplotlib, but it should not be difficult to translate this approach to pylab.
EDIT
If you want days and months of separate ticks, you can add a secondary axis (check this example) as in this code:
# import section
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as md
import numpy as np
from datetime import date
from itertools import product
from mpl_toolkits.axes_grid1 import host_subplot
import mpl_toolkits.axisartist as AA
# generate a dataframe like yours
date = [date(2020, m, d).strftime("%B %d") for m, d in product(range(1, 13, 1), range(1, 29, 1))]
value = np.abs(np.random.randn(len(date)))
data = pd.DataFrame({'date': date,
'value': value})
data.set_index('date', inplace = True)
# convert index from str to date
data.index = pd.to_datetime(data.index, format = '%B %d')
# prepare days and months axes
fig = plt.figure(figsize = (16, 8))
days = host_subplot(111, axes_class = AA.Axes, figure = fig)
plt.subplots_adjust(bottom = 0.1)
months = days.twiny()
# position months axis
offset = -20
new_fixed_axis = months.get_grid_helper().new_fixed_axis
months.axis['bottom'] = new_fixed_axis(loc = 'bottom',
axes = months,
offset = (0, offset))
months.axis['bottom'].toggle(all = True)
#plot
days.bar(data.index, data['value'])
# formatting days axis
days.xaxis.set_major_locator(md.DayLocator(interval = 10))
days.xaxis.set_major_formatter(md.DateFormatter('%d'))
plt.setp(days.xaxis.get_majorticklabels(), rotation = 0)
days.set_xlim([data.index[0], data.index[-1]])
# formatting months axis
months.xaxis.set_major_locator(md.MonthLocator())
months.xaxis.set_major_formatter(md.DateFormatter('%b'))
months.set_xlim([data.index[0], data.index[-1]])
plt.show()
which produces this plot:
这篇关于Python / Matplotlib-按年份的日期直方图的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
