绘制pandas集团的结果
我开始学习pandas，并试图find最艰难的（或pandasthonic？）方式来完成某些任务。
假设我们有一个DataFrame，列A，B和C.
- 列A包含布尔值：每行的A值为true或false。
- B列有一些我们想要绘制的重要值。
我们想要发现的是，将A设置为false的行的B值之间的细微差别与具有A的行的B值是正确的。
换句话说， 我怎样才能根据列A的值（true或false）进行分组，然后在同一个图上绘制两个组的列B的值？ 这两个数据集应该有不同的颜色，以便能够区分这些点。
接下来，让我们给这个程序增加一个特性：在绘图之前，我们要为每一行计算另一个值并将其存储在D列中。这个值是logging之前整个五分钟内存储在B中的所有数据的平均值 – 但我们只包含存储在A中的具有相同布尔值的行
换句话说， 如果我有一行，其中A=True ， time=t ，我想计算D列的值，它是从时间t-5到t所有logging的B的均值，它们具有相同的A=True 。
在这种情况下，我们怎样才能在A的值上执行groupby，然后将这个计算应用到每个单独的组，然后绘制这两个组的D值？
我认为@herrfz达到了所有的高点。 我会详细说明一下：
import pandas as pd import numpy as np import matplotlib.pyplot as plt sin = np.sin cos = np.cos pi = np.pi N = 100 x = np.linspace(0, pi, N) a = sin(x) b = cos(x) df = pd.DataFrame({ 'A': [True]*N + [False]*N, 'B': np.hstack((a,b)) }) for key, grp in df.groupby(['A']): plt.plot(grp['B'], label=key) grp['D'] = pd.rolling_mean(grp['B'], window=5) plt.plot(grp['D'], label='rolling ({k})'.format(k=key)) plt.legend(loc='best') plt.show()
