如何基于datetime64类型日期绘制每日上传量直方图？

核心思路 #

无需将日期转为非datetime类型，利用Pandas的时间序列工具按天统计上传量，再通过可视化工具生成直观的统计图表。

完整实现代码 #

import pandas as pd
import matplotlib.pyplot as plt

# 读取并预处理数据：读取时直接解析日期列，避免重复转换
df = pd.read_csv(
    'query_result_2022-08-04T20_11_46.398221Z.csv',
    usecols=[9, 10],
    parse_dates=['Uploaded Date Time']
)
df.rename(
    {'Uploaded Date Time': 'uploadDate', 'Club Name': 'clubName'},
    axis=1,
    inplace=True
)

# 筛选目标俱乐部数据（注意：示例输出中俱乐部名称为`DM368-20220521`，需与实际数据匹配）
cruiseDates = df[df['clubName'] == 'DM368-20220521']

# 按天统计上传数量（推荐用resample，保留datetime索引，自动补全无数据的日期）
daily_uploads = cruiseDates.set_index('uploadDate').resample('D').size()

# 绘制可视化图表
plt.figure(figsize=(10, 6))
daily_uploads.plot(kind='bar')
plt.title('每日上传数量统计')
plt.xlabel('日期')
plt.ylabel('上传次数')
plt.xticks(rotation=45)  # 旋转日期标签避免重叠
plt.tight_layout()  # 自动调整布局
plt.show()

关键细节说明 #

1. 日期解析优化：读取CSV时通过parse_dates参数直接将日期列解析为datetime类型，省去后续手动转换步骤。
2. 按天统计的两种方式：
   • resample方法：将日期设为索引后，resample('D')按自然日分组，自动为无上传记录的日期填充0，保证时间序列连续性。
   • groupby方法：若不需要补全空日期，可使用cruiseDates.groupby(cruiseDates['uploadDate'].dt.date).size()，但结果索引为Python的date对象，绘图时日期格式处理稍繁琐。
3. 可视化选择：柱状图（bar）比直方图（hist）更适合展示每日精确计数；若坚持用直方图，可将日期转换为ordinal数值后绘制：

   dates = cruiseDates['uploadDate'].dt.floor('D')
   plt.hist(dates, bins=daily_uploads.index)
   plt.gcf().autofmt_xdate()  # 自动旋转日期标签
   plt.show()
   

问题修正提示 #

你代码中query的俱乐部名称是DM1368-20220521，但示例输出中实际为DM368-20220521，需确保筛选条件与数据中的俱乐部名称完全匹配，否则会得到空结果。

内容的提问来源于stack exchange，提问作者Steven Diffey