绘制Pandas中的不同邮政编码房价中值的timeseries数据

Question

我已经从当地的地铁名单上下载了数据，我想分析这个地区不同的市场趋势。我有分析地铁网站趋势的工具，但我想更熟悉使用Pandas和matplotlib绘图。

目前，这就是我所拥有的。

train_20901 = pd.read_csv('C:/Users/Damanjit/Documents/marketTrends/data/area20901.csv')
train_20901.head()
#small snippet of the full data, to see full data see images. 
     Address - Zip Code     Listing Date      Listing Price
0    95242                  10/15/2012        15000 
1    95240                  2/14/2011         67900 
2    95240                  12/18/2008        31900 
3    95240                  8/24/2011         22000 
4    95240                  7/15/2012         25000

#Need to create Days on Market for training data
train_20901['Listing Date'] = pd.to_datetime(train_20901['Listing Date'])
train_20901['Pending Date'] = pd.to_datetime(train_20901['Pending Date'])
train_20901['Selling Date'] = pd.to_datetime(train_20901['Selling Date'])

train_20901['Days on Market'] = train_20901['Pending Date'] - train_20901['Listing Date']
train_20901['Days on Market'] = (train_20901['Days on Market'] / np.timedelta64(1, 'D')).astype(int)

train_20901.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6185 entries, 0 to 6184
Data columns (total 9 columns):
Address               6185 non-null object
Address - Zip Code    6185 non-null int64
Listing Date          6185 non-null datetime64[ns]
Listing Price         6185 non-null int64
Pending Date          6185 non-null datetime64[ns]
Price Per Sq Ft       6185 non-null float64
Selling Date          6185 non-null datetime64[ns]
Selling Price         6185 non-null int64
Days on Market        6185 non-null int32
dtypes: datetime64[ns](3), float64(1), int32(1), int64(3), object(1)
memory usage: 410.8+ KB

train_20901.groupby(train_20901['Address - Zip Code']).median()

Address - Zip Code  Listing Price   Price Per Sq Ft Selling Price   Days on Market              
95240               169900          122.820          168000         35.0
95242               267750          150.945          265000         35.5
95258               265000          148.620          258050         41.0

打开数据并准备好

​

​

按邮编对数据进行分组

​

​

我想要做的是用上市日期来描绘上市价格的中位数随时间的变化。日期自2008年2月10日起至2016年9月12日结束。我想把日期存起来，这样只有日期和年份才能显示出来。例如，我想为95242、95240和95258的三个不同的邮政编码绘制12/09年的挂牌价格中位数。所以在12/09这段时间里，垃圾箱应该有三个不同的点。我想在10/08到12/16之间的所有不同时间周期中这样做。图中总共应该有99个回收箱。我所困惑的是如何在DataFrame中构造数据以完成这一任务并绘制它。我试过pandas.resample和pandas.pivot，但没有成功。任何正确方向的小提示都将不胜感激。

我想我的桌子最后看起来应该是这样的：

Listing Date    Zip Code     Median Home Prices
10/08           95240        168000
10/08           95242        216500
10/08           95258        210000
11/08           95240        171400
11/08           95242        219000
11/08           95258        212100

...and等，其中每个邮政编码都有自己的中间价格在一定时期内。我可以用字典对每个月和一年进行硬编码，这样就可以找到某个邮政编码的房价中值，但我觉得熊猫应该有一种更简单的方法来处理大型数据集。

编辑

------------------------------------------------------------------------------

因此，当我使用重采样时，我确实为时间序列数据创建了回收箱，但是我希望单独获得不同的邮政编码。当我重新整理的时候我有这个

train_20901.resample('M', on = 'Selling Date').median()




Selling Date    Zip Code    Days on Market  Listing Price   Price Per Sq Ft Selling Price               
2008-10-31        95240         21.0           160500         122.575        150000
2008-11-30        95240         36.0           179400         136.710        180000
2008-12-31        95240         32.0           165400         126.665        165025
2009-01-31        95240         37.5           165200         122.075        165000
2009-02-28        95240         52.0           174700         116.925        172500
2009-03-31        95240         48.5           129900         99.300         124950
2009-04-30        95240         35.5           164950         114.900        163250
2009-05-31        95240         21.0           159000         122.860        165000
2009-06-30        95240         36.0           134900         110.470        126000
2009-07-31        95240         14.0           174900         121.800        177500

我是否使用groupby函数，但如果使用，如何将索引保留为timeseries，但得到不同的邮政编码，而不是中间值？

解出

我通过这样做弄明白了。

resampled = train_20901.set_index('Selling Date').groupby('Address - Zip Code').resample('M').median()

这正是我想要的，现在我只需要策划。

Answer 1

如上文所示，解决这一问题的办法是：

resampled = train_20901.set_index('Selling Date').groupby('Address - Zip Code').resample('M').median()