大熊猫线条图按月划分，按行业划分时间戳SQL导出

Question

新手问题，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，以每月递增的形式显示不同行业收入数字。

我正在从一个SQL导出工作，有时间戳，有一个时间让这个工作。

发布样本CSV数据文件的位置： https://drive.google.com/open?id=0B4xdnV0LFZI1WGRMN3AyU2JERVU

这里有一个小的数据例如：

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 

我失败的尝试是在这里：

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() 

Answer 1

你可以使用DataFrame.Series.unique获得所有行业清单，然后，使用DataFrame.loc，定义一个新的DataFrame对象仅包含来自单个行业的数据。

然后如果我们将Ship Date列作为新DataFrame的指标，我们可以使用DataFrame.resample，指定频率个月，并呼吁sum()获得该月的总收入。

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()