如何在DataFrame中计算日/月聚合均值并使用ggplot单独绘图？

下面是用Python的pandas和matplotlib/seaborn实现日/月均值计算及可视化的具体方案：

1. 导入依赖库 #

先导入所需工具库：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# 若使用Jupyter Notebook，添加该行让图表直接显示
%matplotlib inline

2. 数据预处理 #

先处理数据中的缺失值（根据需求选择删除或填充，这里以删除x1/x2为空的行为例）：

# 假设你的数据集存储在名为df的DataFrame中
df = df.dropna(subset=['x1', 'x2'])

3. 计算日均值 #

利用已有month和day列分组，计算x1、x2的日平均值：

# 分组计算日均值并重置索引
daily_mean = df.groupby(['month', 'day'])[['x1', 'x2']].mean().reset_index()
# 生成便于可视化的日期标签（如"1-1"代表1月1日）
daily_mean['date_label'] = daily_mean.apply(lambda row: f"{row['month']}-{row['day']}", axis=1)

4. 计算月聚合均值 #

按month分组，计算x1、x2的月平均值：

monthly_mean = df.groupby('month')[['x1', 'x2']].mean().reset_index()

5. 日均值可视化 #

用双折线图展示x1、x2的日均值变化趋势：

plt.figure(figsize=(16, 6))
sns.lineplot(data=daily_mean, x='date_label', y='x1', label='x1日均值')
sns.lineplot(data=daily_mean, x='date_label', y='x2', label='x2日均值')
plt.title('x1、x2日均值变化趋势')
plt.xlabel('日期（月-日）')
plt.ylabel('均值')
plt.xticks(rotation=45)  # 旋转x轴标签避免重叠
plt.legend()
plt.tight_layout()
plt.show()

6. 月均值可视化 #

用分组柱状图对比x1、x2的月均值：

plt.figure(figsize=(10, 6))
bar_width = 0.35
x = range(len(monthly_mean))
# 绘制两组柱状图
plt.bar([i - bar_width/2 for i in x], monthly_mean['x1'], width=bar_width, label='x1月均值')
plt.bar([i + bar_width/2 for i in x], monthly_mean['x2'], width=bar_width, label='x2月均值')
plt.title('x1、x2月均值对比')
plt.xlabel('月份')
plt.ylabel('均值')
plt.xticks(x, monthly_mean['month'])
plt.legend()
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Dome