pandas 绘制天池O2O大赛购买趋势图

妖狐艹你老母 2022-05-19 08:39 165阅读 0赞

今天在回顾之前做的O2O大赛时，发现了大神提供的一个完整思路[https://blog.csdn.net/bryan\_\_/article/details/53907292][https_blog.csdn.net_bryan_article_details_53907292]，其中有副趋势图，由于之前做的时候并没有对数据集做过多的了解（想想这应该也是分不高的原因吧，以后一定要充分了解数据才行）我就想试试绘制。简单的一幅图，遇到不少问题，主要是集中在时间轴的绘制上，需要先转换为时间格式，不然会一直用科学计数法表示。。。。。。

代码如下，其中对数据做了分块处理，不是本文重点。

import matplotlib.pyplot as plt
    import matplotlib.dates as mdates
    from datetime import datetime
    import pandas as pd
    
    offline_data = pd.read_csv("./ccf_offline_stage1_train.csv", index_col=0, chunksize=100000)
    online_data = pd.read_csv("./ccf_online_stage1_train.csv", index_col=0, chunksize=1000000)
    
    train_df = pd.DataFrame(columns=['Date', 'purchase'])
    online_df = pd.DataFrame(columns=['Date', 'purchase'])
    for chunk in offline_data:
    # 其实没必要drop，懒得改了
        chunk.drop(['Date_received','Merchant_id', 'Coupon_id', 'Discount_rate', 'Distance'], axis=1, inplace=True)
        chunk.loc[chunk.Date.notnull(), "purchase"] = 1
        chunk = chunk[chunk.Date.notnull()]
        train_df = pd.concat([train_df, chunk], copy=False)
    
    for chunk in online_data:
        chunk.drop(['Date_received','Merchant_id', 'Action', 'Coupon_id', 'Discount_rate'], axis=1, inplace=True)
        chunk.loc[chunk.Date.notnull(), "purchase"] = 1
        chunk = chunk[chunk.Date.notnull()]
        online_df = pd.concat([online_df, chunk], copy=False)
    
    train_df = pd.concat([train_df, online_df]).astype("uint32")
    train_df.Date = train_df.Date.map(lambda x: datetime.strptime(str(x), '%Y%m%d'))
    train_df = train_df.groupby(train_df.Date)[["purchase"]].sum()  # 返回dataFrame
    print(train_df)
    #train_df = train_df.purchase.groupby(train_df.Date).sum()   # 返回Series
    
    # 配置横坐标
    plt.gca().xaxis.set_major_formatter(mdates.DateFormatter("%y%m%d"))
    plt.gca().xaxis.set_major_locator(mdates.DayLocator())
    
    plt.gcf().autofmt_xdate()  # 自动旋转日期标记
    plt.show()

![70][]

但是和原版还是有很大差别，有待后续研究。

![Center][]

[https_blog.csdn.net_bryan_article_details_53907292]: https://blog.csdn.net/bryan__/article/details/53907292
[70]: /images/20220519/22af21681f6e426889c21d12006bf83b.png
[Center]: /images/20220519/3f91885f9f104ca099c756239e162dce.png