我已经将我的Series强制转换为dtype=datetime64[ns]的日期时间列（尽管只需要按天分辨率......不确定如何更改）。
import pandas as pd
df = pd.read_csv('somefile.csv')
column = df['date']
column = pd.to_datetime(column, coerce=True)
但绘图不起作用：
ipdb> column.plot(kind='hist')
*** TypeError: ufunc add cannot use operands with types dtype('<M8[ns]') and dtype('float64')
我想绘制一个直方图，仅显示按周、月或年计数的日期。
在 pandas 中肯定有方法可以做到这一点。
给出这个数据框：
date
0 2001-08-10
1 2002-08-31
2 2003-08-29
3 2006-06-21
4 2002-03-27
5 2003-07-14
6 2004-06-15
7 2003-08-14
8 2003-07-29
而且，如果还不是这种情况：
df["date"] = df["date"].astype("datetime64")
显示每个月的日期计数：
df.groupby(df["date"].dt.month).count().plot(kind="bar")
.dt 可以让您访问日期时间属性。
这将给你：
您可以用年、日等替换月份。
例如，如果您想区分年份和月份，只需执行：
df.groupby([df["date"].dt.year, df["date"].dt.month]).count().plot(kind="bar")
这将给出：
rename()解决，例如df.groupby([df["date"].dt.year.rename('year'), df["date"].dt.month.rename('month')]).count().plot(kind="bar")。 - Alex我认为重新采样(resample)可能是您正在寻找的东西。在您的情况下，可以这样做：
df.set_index('date', inplace=True)
# for '1M' for 1 month; '1W' for 1 week; check documentation on offset alias
df.resample('1M').count()
它只进行计数而不是绘图，因此您必须自己制作图表。
有关resample文档的更多详细信息，请参阅此帖子 pandas resample documentation
我遇到了与您类似的问题。希望这可以帮助您。
df.resample('1M').count()。 - Dan Weaver所有这些答案都过于复杂，至少在使用“现代”pandas时只需要两行代码。
df.set_index('date', inplace=True)
df.resample('M').size().plot.bar()
DatetimeIndex 的序列，那么只需要运行第二行代码。series.resample('M').size().plot.bar() # Just counts the rows/month
or
series.resample('M').sum().plot.bar(). # Sums up the values in the series
DataFrame，如果你只有一个 Series ，那么似乎不能用。你能否考虑在这种情况下添加一条注释？ - David Z
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""Create random datetime object."""
# core modules
from datetime import datetime
import random
# 3rd party modules
import pandas as pd
import matplotlib.pyplot as plt
def visualize(df, column_name='start_date', color='#494949', title=''):
"""
Visualize a dataframe with a date column.
Parameters
----------
df : Pandas dataframe
column_name : str
Column to visualize
color : str
title : str
"""
plt.figure(figsize=(20, 10))
ax = (df[column_name].groupby(df[column_name].dt.hour)
.count()).plot(kind="bar", color=color)
ax.set_facecolor('#eeeeee')
ax.set_xlabel("hour of the day")
ax.set_ylabel("count")
ax.set_title(title)
plt.show()
def create_random_datetime(from_date, to_date, rand_type='uniform'):
"""
Create random date within timeframe.
Parameters
----------
from_date : datetime object
to_date : datetime object
rand_type : {'uniform'}
Examples
--------
>>> random.seed(28041990)
>>> create_random_datetime(datetime(1990, 4, 28), datetime(2000, 12, 31))
datetime.datetime(1998, 12, 13, 23, 38, 0, 121628)
>>> create_random_datetime(datetime(1990, 4, 28), datetime(2000, 12, 31))
datetime.datetime(2000, 3, 19, 19, 24, 31, 193940)
"""
delta = to_date - from_date
if rand_type == 'uniform':
rand = random.random()
else:
raise NotImplementedError('Unknown random mode \'{}\''
.format(rand_type))
return from_date + rand * delta
def create_df(n=1000):
"""Create a Pandas dataframe with datetime objects."""
from_date = datetime(1990, 4, 28)
to_date = datetime(2000, 12, 31)
sales = [create_random_datetime(from_date, to_date) for _ in range(n)]
df = pd.DataFrame({'start_date': sales})
return df
if __name__ == '__main__':
import doctest
doctest.testmod()
df = create_df()
visualize(df)
以下是一个解决方案，当您只想得到预期的直方图时可以使用。这不使用groupby，而是将日期时间值转换为整数并更改绘图标签。可以通过改进使刻度标签移动到均匀位置。此外，使用此方法还可以制作核密度估计图（以及任何其他图形）。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df = pd.DataFrame({"datetime": pd.to_datetime(np.random.randint(1582800000000000000, 1583500000000000000, 100, dtype=np.int64))})
fig, ax = plt.subplots()
df["datetime"].astype(np.int64).plot.hist(ax=ax)
labels = ax.get_xticks().tolist()
labels = pd.to_datetime(labels)
ax.set_xticklabels(labels, rotation=90)
plt.show()
labels = pd.to_datetime(labels).strftime('%-m/%-d') 可以帮助清理这些刻度标签。 - Wassadamo我能够通过以下方式解决此问题：（1）使用matplotlib进行绘图，而不是直接使用数据框，（2）使用values属性。请参见以下示例：
import matplotlib.pyplot as plt
ax = plt.gca()
ax.hist(column.values)
如果不使用values，这段代码就无法运行，但我不知道为什么它可以正常工作。
我也遇到了这个问题。我想，因为你正在处理日期，你希望保留时间顺序（就像我一样）。
解决方法是
import matplotlib.pyplot as plt
counts = df['date'].value_counts(sort=False)
plt.bar(counts.index,counts)
plt.show()
print dates
type(dates),type(dates[0])
dates.hist()
plt.show()
输出：
0 2001-07-10
1 2002-05-31
2 2003-08-29
3 2006-06-21
4 2002-03-27
5 2003-07-14
6 2004-06-15
7 2002-01-17
Name: Date, dtype: object
<class 'pandas.core.series.Series'> <type 'datetime.date'>
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-38-f39e334eece0> in <module>()
2 print dates
3 print type(dates),type(dates[0])
----> 4 dates.hist()
5 plt.show()
/anaconda/lib/python2.7/site-packages/pandas/tools/plotting.pyc in hist_series(self, by, ax, grid, xlabelsize, xrot, ylabelsize, yrot, figsize, bins, **kwds)
2570 values = self.dropna().values
2571
-> 2572 ax.hist(values, bins=bins, **kwds)
2573 ax.grid(grid)
2574 axes = np.array([ax])
/anaconda/lib/python2.7/site-packages/matplotlib/axes/_axes.pyc in hist(self, x, bins, range, normed, weights, cumulative, bottom, histtype, align, orientation, rwidth, log, color, label, stacked, **kwargs)
5620 for xi in x:
5621 if len(xi) > 0:
-> 5622 xmin = min(xmin, xi.min())
5623 xmax = max(xmax, xi.max())
5624 bin_range = (xmin, xmax)
TypeError: can't compare datetime.date to float
我认为要解决这个问题，你可以使用以下代码，它将日期类型转换为整数类型：
df['date'] = df['date'].astype(int)
df['date'] = pd.to_datetime(df['date'], unit='s')
要仅获取日期，您可以添加此代码：
pd.DatetimeIndex(df.date).normalize()
df['date'] = pd.DatetimeIndex(df.date).normalize()
随着最新版本的matplotlib，这个限制似乎已经被解除了。 现在可以使用Axes.bar来绘制时间序列图。
默认情况下，柱状图是以给定的日期为横坐标中心，宽度为0.8天。柱状图位置可以通过“align”参数进行偏移，并且宽度可以分配为标量或与横坐标列表具有相同维度的列表。
只需添加以下一行代码即可获得漂亮的日期标签，无论缩放因子如何：
plt.rcParams['date.converter'] = 'concise'