pandas 数量增加趋势图

$\xi$   绘制某一时间段内 数量 增加趋势图

---

• 实验环境：Jupyter NoteBook（Python 3 内核）

• 为了更容易理解，这里虚拟“某用户量”表征“数量”

• 数据获取方式：
  
  • 手动操作，复制文件内容赋值给 user_list 列表
  • 代码读取，通过 open 关键字读取文件内容至 user_list 变量中

---

$\alpha$   读取文件内容代码如下：

# 引入所需的数据包

import pandas as pd
import numpy as np

# 将变量读取到 user_lsit 列表中
filename = 'C:\\Users\\Khgines\\Desktop\\user_add.txt'
user_list = [var.strip('\n').split(',') for var in open(filename, 'r')]

# 将 user_list 列表数据转换为 DataFrame操作，其中将 user_cnt字段转换为整型
user_df = pd.DataFrame(user_list, columns=['date', 'user_cnt'])
user_df['int_user_cnt'] = user_df.user_cnt.astype(np.int32)

# 打印前 10 行
user_df.head(10)

• 以日期（date）为 X 轴，某用户量（int_user_cnt，整型）为 Y 轴，利用pandas.DataFrame.plot 方法绘制折线图，曲线近似一条 ${y=kx+b}$ 的直线。代码、折线图如下所示：

# 绘制代码
user_df.plot(kind='line', x='date', y='int_user_cnt', linestyle='-', marker='o', markerfacecolor='red', color='green', figsize=(8,4), title='Picture 1 : Trend of user_cnt in recent 30 days\n')

$\beta$   虽然增幅很相近，但是想进一步查看 user_cnt 的增加趋势怎么办呢？

---

$\gamma$   利用numpy.array计算，利用pandas.DataFrame.plot绘图

• 绘图代码：

# 获取用户量增加量，并转换为 DataFrame
user_rise_df = pd.DataFrame(np.array(user_df.int_user_cnt[1:]) - np.array(user_df.int_user_cnt[:-1]), columns=['users_rise_up'])
# 添加日期列
user_rise_df['date'] = user_df.date[1:]
# 绘制 用户量增幅 折线图
user_rise_df.plot(kind='line', x='date' ,y='users_rise_up', linestyle='-', markerfacecolor='red', marker='o', color='green', figsize=(8,4), grid=True);

• 用户量变化趋势如下图：

---

PS：

- 1.着重学习 Python 绘图语句
- 2.如何更好、高效地计算出 用户增量
- 3.附 2 个下载该小实验的源代码以及实验数据的地址：
- CSDN [ 需要 1 积分，设置值最小为1，一脸无奈 ]
- GitHub [ users_rise_up_period.ipynb（脚本）、users_rise_up_period_data（数据）]