Python 绘制分组日期时间-熊猫

这篇文章有点长，所以这里有一个终极的“提问”：

是否有方法转换生成的

groupby

的x轴/索引，或者将其他类型的参数传递给

axvspan

函数？

我有一个带有日期时间列的

DataFrame

，我按

year

和

weekofyear

对其进行了分组。这可以正常工作，但x轴显示为元组。我想

axvspan

，但我不知道该由谁来处理元组

import numpy as np
import pandas as pd
import datetime
from matplotlib import pylab
import matplotlib.pyplot as plt
%matplotlib inline

query = ("https://data.cityofchicago.org/resource/6zsd-86xi.json?$where=year>2010")
raw_data = pd.read_json(query)

下面是数据帧的概述。我将使用

date

列

raw_data.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1706960 entries, 0 to 1706959
Data columns (total 22 columns):
arrest                  bool
beat                    int64
block                   object
case_number             object
community_area          float64
date                    datetime64[ns]
description             object
district                float64
domestic                bool
fbi_code                object
id                      int64
iucr                    object
latitude                float64
location                object
location_description    object
longitude               float64
primary_type            object
updated_on              object
ward                    float64
x_coordinate            float64
y_coordinate            float64
year                    int64
dtypes: bool(2), datetime64[ns](1), float64(7), int64(3), object(9)
memory usage: 263.7+ MB

如您所见，x轴表示为元组。正如我之前所说，我想添加一个

axvspan

，在绘图中添加任意的绿色跨度。如果x轴保持它的datetime结构，我可以像这样在函数中输入值，它会工作：

pylab.axvspan(datetime.strptime('2015-12-1 13:40:00', "%Y-%m-%d %H:%M:%S"), 
              datetime.strptime('2016-1-1 13:40:00', "%Y-%m-%d %H:%M:%S"), 
              facecolor='g', alpha=0.05) # green span 

---

这将使2015年12月1日至2016年1月1日的图表呈绿色。有没有一种方法可以转换生成的

groupby

的x轴/索引，或者将其他类型的参数传递给

axvspan

函数？

好的，我清理了ole副本，重新发现了

重采样

方法，以及

pandas

处理时间序列数据的能力。下面的代码起到了作用（坚持使用我的原始数据集）：

pylab.axvspan(datetime.strptime('2015-12-1 13:40:00', "%Y-%m-%d %H:%M:%S"), 
              datetime.strptime('2016-1-1 13:40:00', "%Y-%m-%d %H:%M:%S"), 
              facecolor='g', alpha=0.05) # green span 

# doesn't really matter which column I choose, I just picked one
murders = raw_data["community_area"]
murders.index = raw_data["date"]

plt.figure(figsize=(18, 6))
murders.resample("W-MON").count().plot() # weekly, every Monday

min_date = min(murders.index)
release_date = datetime.strptime('2015-11-24 12:00:00', "%Y-%m-%d %H:%M:%S") 
max_date = max(murders.index)

pylab.axvspan(min_date, 
              release_date, 
              facecolor='g', alpha=0.05) # green span
pylab.axvspan(release_date, 
              max_date, 
              facecolor='r', alpha=0.075) # red span
pylab.show()