Python 使用熊猫汇总和绘制数据

我想用pandas来总结或形象化我的数据中的一些有用的总结，以强调供应商如何偏离订单的供货日期。以下是我的数据框的一个片段：

Supplier    TimeDiff (days)
A   3 days
B   4 days
B   12 days
A   0 days
C   1 days
B   2 days
D   3 days
E   5 days
E   7 days

“供应商”列包含供应商代码，“TimeDiff”列包含时差（从“订单接收日期”中减去“订单到期日期”获得的日期范围）

---

有人知道我如何最好地总结这些数据吗？谢谢

我首先计算供应商的平均时间差：

import matplotlib.pyplot as plt
import pandas as pd

df = pd.DataFrame([['A', '3 days'], ['B', '4 days'], ['B', '12 days'], ['A', '0 days']], columns=['Supplier', 'TimeDiff'])
df['TimeDiff'] = df['TimeDiff'].str.extract(r'(\d+)').astype(int)
print df.groupby('Supplier').mean()

          TimeDiff
Supplier          
A              1.5
B              8.0

res.plot.bar()
plt.show()

---

我首先计算供应商的平均时间差：

import matplotlib.pyplot as plt
import pandas as pd

df = pd.DataFrame([['A', '3 days'], ['B', '4 days'], ['B', '12 days'], ['A', '0 days']], columns=['Supplier', 'TimeDiff'])
df['TimeDiff'] = df['TimeDiff'].str.extract(r'(\d+)').astype(int)
print df.groupby('Supplier').mean()

          TimeDiff
Supplier          
A              1.5
B              8.0

res.plot.bar()
plt.show()

---

你能说得更具体些吗？你想从这些数据中学到什么？例如，您可以获得每个供应商的平均“TimeDiff”，如下所示：

data.groupby（'supplier'）.mean（）['TimeDiff']

您可以更具体一点吗？你想从这些数据中学到什么？例如，您可以获得每个供应商的平均“TimeDiff”，如下所示：

data.groupby（'supplier'）.mean（）['TimeDiff']

感谢大家提供这些解决方案。我想知道是否有可能直接计算条形图。谢谢你们提供这些解决方案。我想知道是否有可能直接计算条形图。