如何用pandas按日期汇总提交数并用seaborn绘制跨仓库总提交趋势图
实现方案
问题根源
原始代码直接传入未聚合的原始stats数据集,存在两个核心问题:
- seaborn
lineplot默认对同一x值的y值做均值聚合,而非目标的总和聚合,导致统计数值被扭曲 - 同一日期对应多行数据(不同开发者、不同仓库)时,默认均值逻辑会被数据量最多的Repo1主导,视觉上呈现为只绘制了Repo1的曲线
实现步骤
1. 预处理日期列
首先把字符串格式的Date转换为pandas datetime类型,避免分组、排序、坐标轴刻度显示异常:
import pandas as pd import seaborn as sns import matplotlib.pyplot as plt stats['Date'] = pd.to_datetime(stats['Date'])
2. 按需求聚合数据
第一步:累加同一仓库当日所有开发者的提交数
先按「日期+仓库」维度分组,统计单仓库当日的总提交数:
repo_daily = stats.groupby(['Date', 'Repository'], as_index=False)['Commits'].sum()
第二步:累加所有仓库的当日提交数
再按日期分组,得到全仓库每日总提交数。如果不需要保留仓库维度的中间结果,也可以直接一步聚合,结果完全一致:
daily_total = stats.groupby('Date', as_index=False)['Commits'].sum()
3. 补全缺失日期
不同仓库的提交日期不一致会导致部分自然日没有数据,折线会出现断裂或跳变,需要补全完整日期范围,无提交的日期填充为0:
# 生成数据覆盖范围内的所有自然日 full_date_range = pd.date_range(start=daily_total['Date'].min(), end=daily_total['Date'].max(), freq='D') # 以完整日期为索引重排,缺失值填充为0 daily_total = daily_total.set_index('Date').reindex(full_date_range, fill_value=0).rename_axis('Date').reset_index()
4. 绘制趋势图
使用聚合完成的daily_total数据集绘图即可:
plt.figure(figsize=(15,7)) sns.lineplot( x="Date", y="Commits", ci=None, data=daily_total ).set_title('Daily Total Commits Across All Repositories')
可选扩展
如果需要同时查看分仓库的提交趋势,可以直接使用第一步得到的repo_daily数据集,添加hue参数区分不同仓库:
plt.figure(figsize=(15,7)) sns.lineplot( x="Date", y="Commits", hue="Repository", ci=None, data=repo_daily ).set_title('Daily Commits Per Repository')
内容的提问来源于stack exchange,提问作者NewGuy
相关产品推荐
相关产品推荐

