如何使用Python Pandas按年月分组统计访客人数并绘图

前置依赖导入与数据预处理 #

首先导入需要用到的库并完成日期字段格式转换：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据集
df = pd.read_csv("你的数据集文件路径.csv")
# 将Date字段转换为pandas datetime格式，方便后续时间维度筛选
df["Date"] = pd.to_datetime(df["Date"])

特定年份访客统计绘图 #

以统计2023年各月访客人数为例，代码如下：

# 定义目标年份
target_year = 2023
# 筛选目标年份数据
year_data = df[df["Date"].dt.year == target_year]
# 按月份聚合总访客数，reindex补全1-12月，无数据月份填充为0
monthly_visits = year_data.groupby(year_data["Date"].dt.month)["Total Visits"].sum().reindex(range(1,13), fill_value=0)

# 绘制柱状图
plt.figure(figsize=(10,5))
plt.bar([f"{i}月" for i in range(1,13)], monthly_visits.values)
plt.title(f"{target_year}年各月访客人数统计")
plt.xlabel("月份")
plt.ylabel("总访客数")
plt.tick_params(axis='x', rotation=45)
plt.tight_layout()
plt.show()

特定月份访客统计绘图 #

以统计2023年10月每日访客人数为例，代码如下：

# 定义目标年月
target_year = 2023
target_month = 10
# 筛选目标年月数据
month_data = df[(df["Date"].dt.year == target_year) & (df["Date"].dt.month == target_month)]
# 按日期聚合总访客数
daily_visits = month_data.groupby(month_data["Date"].dt.day)["Total Visits"].sum()

# 绘制折线图
plt.figure(figsize=(10,5))
plt.plot(daily_visits.index, daily_visits.values, marker="o", color="#2E86AB")
plt.title(f"{target_year}年{target_month}月每日访客人数统计")
plt.xlabel("日期")
plt.ylabel("总访客数")
plt.grid(alpha=0.3)
plt.tight_layout()
plt.show()

可选优化点 #

• 聚合计算时可将sum替换为mean、max等函数，适配不同统计需求
• 可以通过matplotlib的参数自定义图表样式，包括颜色、字体、标记类型等
• 如果需要统计周度维度的数据，可以用dt.isocalendar().week获取周数后做聚合

内容的提问来源于stack exchange，提问作者xoxo