基于含字符串时间戳的DataFrame绘制分年度各月事件发生次数统计图

1. 日期格式转换 #

首先把Date列从字符串转为pandas内置的datetime格式，同时提取后续统计需要的年份、月份字段：

import pandas as pd
import matplotlib.pyplot as plt

# 假设你的DataFrame名为df
# 原日期为日/月/年格式，需指定dayfirst=True避免日月解析颠倒
df['Date'] = pd.to_datetime(df['Date'], dayfirst=True)
# 提取统计需要的维度字段
df['year'] = df['Date'].dt.year
df['month'] = df['Date'].dt.month
df['month_name'] = df['Date'].dt.month_name() # 可选，X轴显示月份名称更直观

2. 按年月聚合统计事件量 #

按年份+月份分组统计记录数，即为对应月份的事件发生量：

# 统计所有事件（Cold为Yes/No都计入）
monthly_count = df.groupby(['year', 'month', 'month_name'], as_index=False).size()

# 如果你只需要统计Cold为Yes的事件，换成下面的写法即可
# monthly_count = df[df['Cold'] == 'Yes'].groupby(['year', 'month', 'month_name'], as_index=False).size()

3. 绘制分年多子图 #

根据数据中的年份数量动态生成子图，每个子图对应一年的各月统计数据：

# 获取所有去重排序后的年份
years = sorted(monthly_count['year'].unique())
n_years = len(years)

# 子图布局：默认1行排列，年份较多时可以换成2行布局 nrows=(n_years+1)//2, ncols=2
fig, axes = plt.subplots(nrows=1, ncols=n_years, figsize=(6*n_years, 4), sharey=True)
# 单年份时axes不是数组，统一格式方便后续遍历
if n_years == 1:
    axes = [axes]

for idx, year in enumerate(years):
    ax = axes[idx]
    # 筛选当前年份数据，按月份排序
    year_data = monthly_count[monthly_count['year'] == year].sort_values('month')
    # 绘制柱状图
    ax.bar(year_data['month_name'], year_data['size'])
    # 设置子图样式
    ax.set_title(f'{year}年各月事件数量')
    ax.set_xlabel('月份')
    # 旋转X轴标签避免重叠
    plt.setp(ax.get_xticklabels(), rotation=45, ha='right')

axes[0].set_ylabel('事件数量')
# 自动调整布局避免标签被截断
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者teller.py3