针对不同类别的其他列 pandas 和 seaborn 或 matplotlib 的 Groupby 逐年绘制

Posted 2023-03-11

【中文标题】针对不同类别的其他列 pandas 和 seaborn 或 matplotlib 的 Groupby 逐年绘制

【英文标题】：Groupby plot in year wise for different categories of other column pandas and seaborn or matplotlib

【发布时间】：2020-04-16 12:41:31

【问题描述】：

我有一个如下图所示的数据框。

Place        Bldng_Id    Num_Bed_Rooms     Contract_date   Rental_value
Bangalore    1           4                 2016-02-16      100
Bangalore    1           4                 2016-05-16      150
Bangalore    1           4                 2017-01-18      450
Bangalore    1           4                 2017-02-26      550
Bangalore    5           4                 2015-02-26      120
Bangalore    5           4                 2016-05-18      180
Bangalore    2           3                 2015-03-06      150
Bangalore    2           3                 2016-05-14      150
Bangalore    2           3                 2017-07-26      220
Bangalore    2           3                 2017-09-19      200
Chennai      3           4                 2016-02-16      100
Chennai      3           4                 2016-05-16      150
Chennai      3           4                 2017-01-18      450
Chennai      3           4                 2017-02-26      550
Chennai      4           3                 2015-03-06      150
Chennai      4           3                 2016-05-14      150
Chennai      4           3                 2017-07-26      220
Chennai      4           3                 2017-09-19      200
Chennai      6           3                 2018-07-26      250
Chennai      6           3                 2019-09-19      280

从上面我想准备下面的数据框。

预期输出：

Place          Num_Bed_Rooms     Year            Avg_Rental_value
Bangalore      3                 2015            150
Bangalore      3                 2016            150
Bangalore      3                 2017            210
Bangalore      4                 2015            120
Bangalore      4                 2016            143.3
Bangalore      4                 2017            500
Chennai        3                 2015            150
Chennai        3                 2016            150
Chennai        3                 2017            210
Chennai        3                 2018            250
Chennai        3                 2019            280
Chennai        4                 2016            150
Chennai        4                 2017            210

我尝试了以下代码来实现这一点。

df.groupby(['Place', 'Year', 'Num_Bed_Rooms']).Rental_value.mean()

但是上面不能正常工作。

根据上述预期输出，我想编写一个时间序列代码来分别预测每个案例的下一年rental_value。

【参考方案1】：

如有必要，首先将值转换为日期时间：

df['Contract_date'] = pd.to_datetime(df['Contract_date'])

然后创建新列并传递给groupby:

df['Year'] = df['Contract_date'].dt.year
df1 = df.groupby(['Place', 'Num_Bed_Rooms','Year'], as_index=False).Rental_value.mean()

或者通过Series:

y = df['Contract_date'].dt.year.rename('Year')
df1 = df.groupby(['Place', 'Num_Bed_Rooms', y], as_index=False).Rental_value.mean()

---

print (df1)
        Place  Num_Bed_Rooms  Year  Rental_value
0   Bangalore              3  2015    150.000000
1   Bangalore              3  2016    150.000000
2   Bangalore              3  2017    210.000000
3   Bangalore              4  2015    120.000000
4   Bangalore              4  2016    143.333333
5   Bangalore              4  2017    500.000000
6     Chennai              3  2015    150.000000
7     Chennai              3  2016    150.000000
8     Chennai              3  2017    210.000000
9     Chennai              3  2018    250.000000
10    Chennai              3  2019    280.000000
11    Chennai              4  2016    125.000000
12    Chennai              4  2017    500.000000

【讨论】：

谢谢，预测明年租金价值的想法会很有帮助

@ALI - 不确定，如果理解得很好，但你可以检查this

准确性无关紧要，一次运行每个案例的代码是指数加权平均或其他

非常感谢耶兹瑞尔。将检查并尝试实施。那就是我要找的那个。但我不确定自己能否实现。

@ALI - 嗯，我认为这应该是一个新问题，因为机器处理对我来说并不容易（老实说，我只专注于熊猫）