Python 从时间戳SQL导出按行业分组的月度熊猫线图

新手提问，提前谢谢

我试图按日期和行业对数据进行分组，并显示一个图表，以每月增量显示时间序列中不同的行业收入数字

我在一个有时间戳的SQL导出中工作，要花很长时间才能让它工作

已在此处发布示例csv数据文件：

下面是一个小数据示例：

Industry     Date                Revenue
Fast Food   01-05-2016 12:18:02  100
Fine Dining 01-08-2016 09:17:48  110
Carnivals   01-18-2016 10:48:52  200

我失败的尝试在这里：

import pandas as pd
import datetime
import matplotlib.pyplot as plt

df = pd.read_csv('2012_to_12_27_2016.csv')

df['Ship_Date'] = pd.to_datetime(df['Ship_Date'], errors = 'coerce')
df['Year'] =  df.Ship_Date.dt.year
df['Ship_Date'] =  pd.DatetimeIndex(df.Ship_Date).normalize()
df.index = df['Ship_Date']
df_skinny = df[['Shipment_Piece_Revenue', 'Industry']]

groups = df_skinny[['Shipment_Piece_Revenue', 'Industry']].groupby('Industry')
groups = groups.resample('M').sum()
groups.index = df['Ship_Date']

fig, ax = plt.subplots()
groups.plot(ax=ax, legend=False)
names = [item[0] for item in groups]
ax.legend(ax.lines, names, loc='best')

plt.show()

---

您可以使用

DataFrame.Series.unique

获取所有行业的列表，然后使用

DataFrame.loc

，定义一个新的

DataFrame

对象，该对象仅包含单个行业的数据

然后，如果我们将

发货日期

列设置为新的

数据帧

的索引，我们可以使用

数据帧。重新采样

，将频率指定为月份，并调用

sum（）

，以获取该月的总收入

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('Graph_Sample_Data.csv')
df['Ship Date'] = pd.to_datetime(df['Ship Date'], errors='coerce')

fig, ax = plt.subplots()

for industry in df.Industry.unique():
    industry_df = df.loc[df.Industry == industry]
    industry_df.index = industry_df['Ship Date']
    industry_df = industry_df.resample('M').sum()
    industry_df.plot(x=industry_df.index, 
                     y='Revenue', 
                     ax=ax,
                     label=industry)

plt.show()

---

这是非常接近-我希望将日期分组到每个行业的每月总数，并以这种方式生成一个图表。你知道我怎么做吗？谢谢我已经编辑了我的解决方案来绘制每月的总数，希望它有用！