如何利用Pandas DataFrame绘制指定地点12个月就诊数折线图

一、核心实现步骤 #

1. 日期字段预处理 #

先把date of visit转为datetime类型，再筛选出目标地点的近12个月数据：

import pandas as pd

# 转换日期列格式
df['date of visit'] = pd.to_datetime(df['date of visit'])

# 定义目标地点和时间范围
target_location = '目标诊所名称'
latest_date = df['date of visit'].max()
start_date = latest_date - pd.DateOffset(months=12)

# 筛选数据
filtered_data = df[(df['location'] == target_location) & 
                   (df['date of visit'] >= start_date) & 
                   (df['date of visit'] <= latest_date)]

2. 统计每月就诊数 #

直接对筛选后的数据按月份分组统计，避免拆分多个数据集的冗余操作：

# 提取年份+月份（确保跨年时的连续性，格式如'2023-05'）
filtered_data['month'] = filtered_data['date of visit'].dt.to_period('M')

# 统计每月就诊数：如果同一患者当月多次就诊算1次，用nunique；算多次则用size
monthly_visit_count = filtered_data.groupby('month')['patient id'].nunique().reset_index(name='visit_num')
# 多次就诊统计写法：monthly_visit_count = filtered_data.groupby('month').size().reset_index(name='visit_num')

3. 绘制折线图 #

用matplotlib生成横轴为月份的折线图：

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6))
plt.plot(monthly_visit_count['month'].astype(str), monthly_visit_count['visit_num'], marker='o', linestyle='-')
plt.title(f'{target_location} 12个月就诊数趋势')
plt.xlabel('月份')
plt.ylabel('就诊数')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

二、解决拆分数据集赋值失效的问题 #

你之前的赋值失效大概率是链式索引引发的SettingWithCopyWarning，Pandas会阻止对切片副本的修改。解决方式：

• 优先选择直接筛选+分组的方式，避免拆分多个数据集
• 若必须拆分，用.copy()创建独立副本：

# 错误示例（可能导致赋值失败）
clinic_data = df[df['location'] == target_location]
clinic_data['month'] = clinic_data['date of visit'].dt.to_period('M')

# 正确示例
clinic_data = df[df['location'] == target_location].copy()
clinic_data['month'] = clinic_data['date of visit'].dt.to_period('M')

三、优化建议 #

• 处理缺失值：提前清理关键字段的缺失数据，避免统计偏差：

  df = df.dropna(subset=['date of visit', 'location', 'patient id'])
  

• 补全空月份：如果某些月份无就诊记录，补充0值防止折线图断层：

  # 生成完整的12个月序列
  full_month_range = pd.period_range(start=start_date, end=latest_date, freq='M')
  full_month_df = pd.DataFrame({'month': full_month_range})
  
  # 合并统计数据，空月份填充0
  monthly_visit_count = pd.merge(full_month_df, monthly_visit_count, on='month', how='left').fillna(0)
  

• 多地点对比绘图：如需同时展示多个诊所趋势，循环分组即可：

  all_locations = df['location'].unique()
  plt.figure(figsize=(12, 7))
  for loc in all_locations:
      loc_data = df[(df['location'] == loc) & (df['date of visit'] >= start_date)]
      loc_monthly = loc_data.groupby(loc_data['date of visit'].dt.to_period('M'))['patient id'].nunique()
      plt.plot(loc_monthly.index.astype(str), loc_monthly.values, marker='o', label=loc)
  plt.title('各诊所12个月就诊数趋势对比')
  plt.xlabel('月份')
  plt.ylabel('就诊数')
  plt.xticks(rotation=45)
  plt.legend()
  plt.tight_layout()
  plt.show()
  

• 性能优化：大数据集下先按日期范围筛选，再按地点分组，减少计算量。

内容的提问来源于stack exchange，提问作者Liam O'Keefe