Pandas新手求助：无需预处理CSV直接生成日期频率统计图

完全不用手动预处理，用Pandas就能完成频次统计，再结合Matplotlib生成图表，步骤如下：

• 读取原始CSV文件：由于你的CSV只有一列且无表头，读取时需指定header=None并自定义列名：

  import pandas as pd
  import matplotlib.pyplot as plt
  
  # 读取无表头的单日期列CSV
  df = pd.read_csv('your_file.csv', header=None, names=['date'])
  

• 转换为日期类型：将读取到的字符串转为Pandas日期格式，确保后续统计和排序的准确性：

  df['date'] = pd.to_datetime(df['date'])
  

• 统计日期出现频次：用value_counts()直接统计每个日期的出现次数，再用sort_index()按日期顺序排序（避免频次高的日期乱序排列）：

  date_frequency = df['date'].value_counts().sort_index()
  

• 生成频率图表：可以用Pandas内置绘图方法（底层基于Matplotlib）快速生成，也可以用Matplotlib手动定制：

  # Pandas快速绘图
  date_frequency.plot(kind='bar', figsize=(8, 5), xlabel='日期', ylabel='出现次数', title='日期出现频率变化')
  plt.show()
  
  # Matplotlib手动定制绘图
  plt.figure(figsize=(8, 5))
  plt.bar(date_frequency.index.strftime('%Y-%m-%d'), date_frequency.values)
  plt.xlabel('日期')
  plt.ylabel('出现次数')
  plt.title('日期出现频率变化')
  plt.xticks(rotation=45)
  plt.tight_layout()
  plt.show()
  

补充说明 #

如果你的日期是连续时间序列（需要补全缺失日期并统计为0），可以用resample方法：

# 设置date列为索引，按天重采样并统计数量，缺失日期补0
df.set_index('date', inplace=True)
date_frequency = df.resample('D').size().fillna(0)

内容的提问来源于stack exchange，提问作者Vincent