使用Pandas GroupBy绘制结果

Question

我正开始学习 Pandas，并且正在尝试找到实现某些任务的最 Pythonic（或“Panda-thonic”）方法。

假设我们有一个包含列 A、B 和 C 的 DataFrame。

列 A 包含布尔值：每行的 A 值都是 true 或 false。

列 B 具有一些重要值，我们想要绘制这些值。

我们想要发现的是，对于将 A 设置为 false 的行和对于 A 为 true 的行，B 值之间的微妙差别。

换句话说，如何按列 A 的值（true 或 false）进行分组，然后在同一图表上绘制两个组的列 B 值？这两个数据集应该以不同的颜色着色，以便区分数据点。

---

接下来，让我们为这个程序添加另一个特性：在绘图之前，我们要计算每行的另一个值并将其存储在列 D 中。这个值是在记录前五分钟内存储在列 B 中的所有数据的平均值，但我们只包括存储在 A 中相同布尔值的行。

换句话说，如果我有一个行，其中 A=True 并且 time=t，则我希望为每个时间点 t 计算一个列 D 的值，该值是从时间 t-5 到 t 中存储了相同布尔值 A=True 的所有记录的 B 值的平均值。

在这种情况下，我们如何按 A 的值执行 groupby，然后将此计算应用于每个单独的组，并最终绘制两个组的 D 值？

- Maxim Zaslavsky

---

你有一些数据框示例吗？似乎可以将分组对象存储在变量中：grouped = df.groupby('A')，然后用for循环绘制图表：for g, d in grouped: plot(d['B'], color=g)。第二个问题也差不多，可以使用pandas的rolling_mean来创建新列D。 - herrfz

Answer 1

我认为@herrfz已经提到了所有要点，我只需要详细阐述一下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

sin = np.sin
cos = np.cos
pi = np.pi
N = 100

x = np.linspace(0, pi, N)
a = sin(x)
b = cos(x)

df = pd.DataFrame({
    'A': [True]*N + [False]*N,
    'B': np.hstack((a,b))
    })

for key, grp in df.groupby(['A']):
    plt.plot(grp['B'], label=key)
    grp['D'] = pd.rolling_mean(grp['B'], window=5)    
    plt.plot(grp['D'], label='rolling ({k})'.format(k=key))
plt.legend(loc='best')    
plt.show()

- unutbu

---

太好了！您能否谈一下如何实现更多定制的计算方式来处理D列，如果我想要进行一些特殊的计算，而内置的“rolling” Pandas函数无法满足需求呢？谢谢。 (@herrfz) - Maxim Zaslavsky

rolling_mean只是Pandas中众多滚动函数之一。要定义自定义滚动函数，请使用rolling_apply。链接页面上有一个示例。 - unutbu

谢谢。我在尝试将那个例子适应到我想要完成的任务时遇到了困难，所以我在这里又问了一个问题：https://dev59.com/9G_Xa4cB1Zd3GeqP5dFD - Maxim Zaslavsky