Python数据分析分组聚合重采样典型例题及其解法

文件下载链接（csv）

文件下载

题目

 Date表示价格调查的日期，AveragePrice表示当天的平均价格，region表示调查的城市。

 彬彬想要获取2015-2018中纽约（“NewYork”）与芝加哥（“Chicago”）每月牛油果平均价格，并计算全美国的每月牛油果平均价格，画出3条折线图进行比较。
具体步骤如下：

1. 导入模块、读取文件、并将字体设置为"Arial Unicode MS"
2. 根据城市（“region”），将原数据分组、采样聚合，获取纽约和芝加哥两个城市每个月的牛油果平均价格
3. 在这之后，以月份为x轴，绘制展示纽约牛油果每月均价的折线图，并将折线颜色设置为skyblue，标记点的样式设置为"o"，图例设置为"纽约价格水平"
4. 同时，以月份为x轴，绘制展示芝加哥牛油果每月均价的折线图，并将折线颜色设置为blue，标记点的样式为"o"，图例设置为"芝加哥价格水平"
5. 利用所学知识，计算全美国每个月的牛油果均价，并制作对应的折线图，将折线颜色设置为green，标记点的样式为"o"，图例设置为"全美价格水平"
6. 最后，将x轴标题为"时间"，y轴标题设置为"价格水平"，图例显示在左上角

本人代码

import pandas as pd
import matplotlib.pyplot as plt

data = pd.read_csv("/Users/binbin/avocado.csv" )

#设置字体
plt.rcParams["font.sans-serif"] = "Arial Unicode MS"

#将Date转换为时间数据
data["Date"] = pd.to_datetime(data["Date"])
data = data.set_index("Date")
#根据region和时间分组
groupByRegion = data.groupby(data["region"]).resample("M").mean()


#获取纽约和芝加哥两个城市每个月的牛油果平均价格
averagePriceNY = groupByRegion.loc["NewYork"]["AveragePrice"]
averagePriceCH = groupByRegion.loc["Chicago"]["AveragePrice"]

#计算全美国每月的牛油果均价
averagePriceUSA = data.resample("M").mean()

#以月份为x轴，绘制展示纽约牛油果每月均价的折线图，并将折线颜色设置为skyblue，marker设置为"o"，图例设置为"纽约价格水平"

#NewYork
plt.plot(averagePriceNY.index, averagePriceNY, color="skyblue", marker="o", label="纽约价格水平")
plt.legend(loc="upper left")
plt.xlabel("时间")
plt.ylabel("价格水平")

#Chicago
plt.plot(averagePriceCH.index, averagePriceCH, color="blue", marker="o", label="芝加哥价格水平")
plt.legend(loc="upper left")
plt.xlabel("时间")
plt.ylabel("价格水平")

#America
plt.plot(averagePriceUSA.index, averagePriceUSA, color="green", marker="o", label="全美价格水平")
plt.legend(loc = "upper left")
plt.xlabel("时间")
plt.ylabel("价格水平")
plt.show()

方法解释

• plt.rcParams["font.sans-serif"] = "Arial Unicode MS": 将字体设置为Arial Unicode MS
• pd. to_datetime: 将str类型数据转换为datetime类型数据
• data.set_index(): 将data中的某一列作为data新的行索引（index）
• groupByRegion = data.groupby(data["region"]).resample("M").mean()：将data按照"region"分组，并以每月为单位重采样来计算每月的平均价格
• averagePriceNY = groupByRegion.loc["NewYork"]["AveragePrice"]
averagePriceCH = groupByRegion.loc["Chicago"]["AveragePrice"]：将groupByRegion中行索引对应"NewYok"和"Chicago"的行分别截取出来，并根据列索引(columns)为"AveragePrice"来截取数据赋值

运行结果