如何在R中基于单列数据绘制多图并计算ID分组累积平均变化

我来帮你搞定这个需求！核心思路是先给同一ID下的独立序列（也就是你说的不同timespan条目组）打上标记，再计算每个序列内的累积平均，最后分别绘图展示。下面用Python的pandas和matplotlib/seaborn来实现：

步骤1：数据准备与分组标记 #

首先我们把你的数据转成DataFrame，然后给同一ID下的独立序列分配组ID。观察你的数据，同一组的amount_ID是从1开始递增的，所以我们可以用amount_ID == 1来识别新序列的起点，这样标记组ID会更准确：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 构建你的数据
data = {
    'ID': [3,3,3,3,3,9,9,9,9,3,3,3,9,9,9],
    'amount_ID': [1,2,3,4,5,1,2,3,4,1,2,3,1,2,3],
    'timespan': [20,40,60,80,100,25,50,75,100,33.33,66.67,100,33.33,66.67,100],
    'change': [2,3,6,4,5,1,-2,0,-1,4,8,7,1,3,4]
}
df = pd.DataFrame(data)

# 给同一ID下的独立序列标记组ID
df['group_id'] = df.groupby('ID')['amount_ID'].apply(lambda x: (x == 1).cumsum())

步骤2：计算累积平均 #

接下来针对每个(ID, group_id)组合，计算当前及之前所有change的平均值——也就是累积和除以当前的条目数：

# 计算每个组内的累积平均
df['cumulative_avg'] = df.groupby(['ID', 'group_id'])['change'].transform(
    lambda x: x.cumsum() / (x.reset_index(drop=True).index + 1)
)

这里用transform是为了保持结果和原DataFrame的行数一致，方便后续绘图。

步骤3：分别绘制ID=3和ID=9的图 #

现在我们可以把每个ID的不同序列用不同的线条/标记区分开，绘图展示：

绘制ID=3的累积平均图 #

sns.set_style("whitegrid")
plt.figure(figsize=(10, 6))

# 遍历ID=3下的所有独立组
for group_num in df[df['ID'] == 3]['group_id'].unique():
    group_data = df[(df['ID'] == 3) & (df['group_id'] == group_num)]
    plt.plot(group_data['timespan'], group_data['cumulative_avg'], 
             marker='o', linewidth=2, label=f'Sequence {group_num}')

plt.title('Cumulative Average of Change for ID = 3', fontsize=14)
plt.xlabel('Timespan', fontsize=12)
plt.ylabel('Cumulative Average of Change', fontsize=12)
plt.legend(title='Sequence')
plt.show()

绘制ID=9的累积平均图 #

plt.figure(figsize=(10, 6))

# 遍历ID=9下的所有独立组
for group_num in df[df['ID'] == 9]['group_id'].unique():
    group_data = df[(df['ID'] == 9) & (df['group_id'] == group_num)]
    plt.plot(group_data['timespan'], group_data['cumulative_avg'], 
             marker='s', linewidth=2, label=f'Sequence {group_num}')

plt.title('Cumulative Average of Change for ID = 9', fontsize=14)
plt.xlabel('Timespan', fontsize=12)
plt.ylabel('Cumulative Average of Change', fontsize=12)
plt.legend(title='Sequence')
plt.show()

额外说明 #

如果你的独立序列不是通过amount_ID从1开始来区分的，而是通过timespan的变化（比如突然变小），可以把组ID的标记代码改成这样：

df['group_id'] = df.groupby('ID')['timespan'].apply(lambda x: (x.diff() < 0).cumsum())

这个逻辑是：当当前行的timespan比前一行小时，判定为新序列的起点。

这样处理后，同一ID下的不同序列会被清晰区分，每个序列的累积平均也会正确计算并展示在图上啦！

内容的提问来源于stack exchange，提问作者Luc