Python花粉数据分析：X轴日期排序问题及日期对应花粉概率查询功能咨询

Hey Lola！完全理解作为医学生刚接触编程的心情，刚学半学期就着手做数据分析项目已经超棒了，别担心基础问题～我来帮你解决这两个核心问题：

一、解决X轴日期排序混乱的问题 #

你现在的X轴显示的是(月,日)元组，因为groupby([month, day])默认是按分组的原始顺序排列，没有遵循自然日期逻辑，所以才会出现乱序的情况。我们可以把索引转换成真正的日期对象，再排序，就能让X轴按时间顺序排列了：

具体实现步骤： #

1. 将分组后的元组索引转换为datetime格式
   给每个(月,日)组合加一个虚拟年份（比如2020，闰年能覆盖2月29日的特殊情况），把它转换成标准日期：

   # 先把索引拆成独立的月份、日期列
   df3 = df3.reset_index()
   df3.columns = ['month', 'day'] + df3.columns[2:].tolist()
   
   # 创建虚拟日期列，统一用2020年
   df3['date'] = pd.to_datetime(df3[['month', 'day']].assign(year=2020))
   
   # 按日期排序，再把date设为索引
   df3 = df3.sort_values('date').set_index('date')
   

2. 重新绘图并优化X轴显示
   现在索引是有序的日期了，绘图时X轴会自动从1月1日到12月31日自然排列。如果想让X轴显示更友好（比如"MM-DD"格式），可以用matplotlib的日期格式化工具：

   import matplotlib.dates as mdates
   
   plt.figure(figsize=(12,6))
   df3['某花粉类型'].plot()  # 替换成你要展示的花粉列名
   
   # 设置X轴显示格式为「月-日」
   plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m-%d'))
   # 每隔30天显示一个刻度，避免X轴拥挤
   plt.gca().xaxis.set_major_locator(mdates.DayLocator(interval=30))
   plt.xticks(rotation=45)
   plt.show()
   

这样你的图表X轴就会整齐按时间顺序排列啦～

二、实现「给定日期查询花粉概率」的功能 #

这里的"概率"可以从两个角度实现，结合你现有的数据给你两种方案：

方案1：基于日均浓度判断 #

当某类花粉的26年日均浓度超过设定阈值时，我们认为它"很可能存在于空气中"：

def get_pollen_by_date(target_date_str):
    # 把输入的日期字符串（比如"2024-05-15"）转换成datetime对象
    target_date = pd.to_datetime(target_date_str)
    target_month = target_date.month
    target_day = target_date.day

    # 构造虚拟日期（和之前的年份一致，确保能匹配df3的索引）
    dummy_date = pd.to_datetime(f'2020-{target_month}-{target_day}')
    daily_mean = df3.loc[dummy_date]

    # 设定阈值：可以用所有花粉日均浓度的中位数，也可以自定义（比如>0就认为存在）
    threshold = daily_mean.median()

    # 筛选出超过阈值的花粉
    likely_pollens = daily_mean[daily_mean > threshold].index.tolist()

    if likely_pollens:
        print(f"在{target_date_str}，以下花粉很可能存在于空气中：")
        for pollen in likely_pollens:
            print(f"- {pollen}: 26年日均浓度 {daily_mean[pollen]:.2f}")
    else:
        print(f"在{target_date_str}，没有检测到高概率存在的花粉")

使用示例：

get_pollen_by_date("2024-05-10")

方案2：基于年份占比计算真实概率 #

统计26年中该日期有多少天检测到了花粉，计算占比作为"存在概率"，更贴近你说的"概率"定义：

def get_pollen_probability(target_date_str):
    target_date = pd.to_datetime(target_date_str)
    target_month = target_date.month
    target_day = target_date.day

    # 统计每年该日期的花粉是否存在（浓度>0即视为存在）
    df2['is_present'] = df2[df2.columns[1:]] > 0  # 假设第1列是日期，后面是花粉列
    presence_count = df2.groupby([df2.Date.dt.month, df2.Date.dt.day])['is_present'].sum()

    # 计算概率（存在天数/总年份数26）
    prob_df = presence_count.loc[(target_month, target_day)] / 26
    # 筛选概率超过50%的花粉
    high_prob_pollens = prob_df[prob_df > 0.5].index.tolist()

    if high_prob_pollens:
        print(f"在{target_date_str}，以下花粉存在概率较高：")
        for pollen in high_prob_pollens:
            print(f"- {pollen}: {prob_df[pollen]:.1%}")
    else:
        print(f"在{target_date_str}，没有存在概率超过50%的花粉")

希望这些方法能帮到你，加油！

备注：内容来源于stack exchange，提问作者Lola Scheuren