Como criar um gráfico de barras empilhadas com uma série temporal e valores agregados

Nov 25 2020

Estou tendo dificuldade para criar uma série temporal de gráfico de barras empilhadas a partir do meu dataframe do Pandas (imagem abaixo). Eu gostaria de ter a 'Data' no eixo x, as 'Horas' no eixo y e cada barra para mostrar o tempo gasto com cada grupo em 'Categoria'.

Eu preciso usar a função Pandas - Groupby? O dataframe é uma amostra. Tenho centenas de linhas de dados de 2018 a 2020.

Respostas

3 TrentonMcKinney Nov 25 2020 at 07:35
  • Existe uma solução para os pandas - gráfico de barras empilhadas com dados de séries temporais
    • O problema com essa pergunta é que o OP não está agregando nenhum dado, então essa solução não funciona para esta pergunta.
  • Use pandas.DataFrame.groupbyem 'date'e 'group', ao agregar .sumem'time'
    • O .dtextrator é usado para extrair apenas o .datecomponente da 'date'coluna.
    • Certifique-se de que a 'Date'coluna do seu dataframe esteja formatada corretamente como um datetime dtype, comdf.Date = pd.to_datetime(df.Date)
  • O dataframe agrupado,, dfgdeve ser moldado na forma correta, o que pode ser feito com pandas.DataFrame.pivot.
  • A maneira mais fácil de empilhar um gráfico de barra é pandas.DataFrame.plot.barusando o stackedparâmetro.
    • Veja pandas.DataFrame.plottodos os parâmetros.
import pandas as pd
import matplotlib.pyplot as plt
import random  # for test data
import numpy as np  # for test data

# setup dataframe with test data
np.random.seed(365)
random.seed(365)
rows = 1100
data = {'hours': np.random.randint(10, size=(rows)),
        'group': [random.choice(['A', 'B', 'C']) for _ in range(rows)],
        'date': pd.bdate_range('2020-11-24', freq='h', periods=rows).tolist()}
df = pd.DataFrame(data)

# display(df.head())
   hours group                date
0      2     C 2020-11-24 00:00:00
1      4     B 2020-11-24 01:00:00
2      1     C 2020-11-24 02:00:00
3      5     A 2020-11-24 03:00:00
4      2     B 2020-11-24 04:00:00

# use groupby on df
dfg = df.groupby([df.date.dt.date, 'group'])['hours'].sum().reset_index()

# pivot the dataframe into the correct format
dfp = dfg.pivot(index='date', columns='group', values='hours')

# display(dfp.head())
group        A   B   C
date                  
2020-11-24  49  25  29
2020-11-25  62  18  57
2020-11-26  42  77   4
2020-11-27  34  43  17
2020-11-28  28  53  23

# plot the pivoted dataframe
dfp.plot.bar(stacked=True, figsize=(10, 6), ylabel='Hours', xlabel='Date', title='Sum of Daily Category Hours')
plt.legend(title='Category', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.show()

  • Haverá uma barra para cada dia, é assim que o gráfico de barras funciona, então o gráfico pode ser muito amplo, se houver muitas datas.
  • Considere usar pandas.DataFrame.barh
dfp.plot.barh(stacked=True, figsize=(6, 10), title='Sum of Daily Category Hours')
plt.legend(title='Category', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.xlabel('Hours')
plt.ylabel('Date')
plt.show()

  • O OP afirma que há dados de 2018 a 2020, o que significa que pode haver mais de 700 dias de dados, o que se traduz em mais de 700 barras no gráfico de barras.
  • Um gráfico de linha padrão pode ser a melhor opção para visualizar os dados adequadamente.
dfp.plot(figsize=(10, 6))
plt.show()