R中如何统计品牌出现次数并绘制按所有者分组的折线图

1. 依赖库导入 #

使用pandas做数据处理，matplotlib做可视化即可实现需求：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.dates import DateFormatter

2. 数据预处理 #

先将Period字段的字符串转成标准格式，同时生成要求的yearmon数字格式：

# 构造示例DataFrame
data = {
    'Brand': ['Adidas', 'Nike', 'Adidas', 'Nike', 'Puma', 'Joma', 'Adidas', 'Diadora'],
    'owner': ['andy', 'diana', 'rose', 'sara', 'laura', 'harry', 'jon', 'keith'],
    'Period': ['May 2018', 'June 2019', 'August 2019', 'July 2020', 'March 2020', 'April 2018', 'May 2018', 'June 2021']
}
df = pd.DataFrame(data)

# 转换Period为日期格式
df['Period_dt'] = pd.to_datetime(df['Period'], format='%B %Y')
# 生成yearmon数字格式（如2018年5月=2018 + 5/12 ≈ 2018.4167）
df['yearmon_num'] = df['Period_dt'].dt.year + df['Period_dt'].dt.month / 12

3. 聚合统计品牌出现次数 #

按owner、年月维度聚合统计品牌出现次数：

count_df = df.groupby(['owner', 'yearmon_num', 'Period_dt'], as_index=False)['Brand'].count()
count_df.rename(columns={'Brand': 'brand_count'}, inplace=True)

4. 绘制折线图 #

方案1：使用yearmon数字格式作为x轴 #

plt.figure(figsize=(10,6))
# 按owner分组循环绘制折线
for owner, group in count_df.groupby('owner'):
    plt.plot(group['yearmon_num'], group['brand_count'], marker='o', label=owner)

plt.xlabel('Year-Month (Numeric)')
plt.ylabel('Brand Occurrence Count')
plt.legend(title='Owner')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

方案2：优化x轴可读性（可选） #

如果不需要严格使用数字x轴，可直接用日期格式做x轴，显示效果更直观：

plt.figure(figsize=(10,6))
for owner, group in count_df.groupby('owner'):
    plt.plot(group['Period_dt'], group['brand_count'], marker='o', label=owner)

plt.xlabel('Year-Month')
plt.ylabel('Brand Occurrence Count')
plt.legend(title='Owner')
# 格式化x轴日期显示为年-月格式
plt.gca().xaxis.set_major_formatter(DateFormatter('%Y-%m'))
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Hash Slasher