pandas crosstab を使った場合の日付ラベルの間隔を変更したい

Question

環境

Python 3.6.8
pandas 0.24.1

実現したいこと

Python Pandas で crosstab を使いクロス集計したデータをグラフ表示した場合、日付ラベルを月単位にしたいです。
今回のサンプルではデータ数が少ないため問題ありませが、データ数が増えると日付ラベルが多すぎて日付が見えなくなってしまうため。月単位、もしくはもっと間隔を開けたいです。

実際のデータを使用すると以下のようになってしまいます。

サンプルデータ

tera.csv

日時,グループ,ユーザー
2019/06/07 09:37:11,ほにゃ部,太郎
2019/06/07 09:37:50,らら部,花子
2019/06/07 10:52:02,ほげ部,一郎
2019/06/07 14:40:34,らら部,花子
2019/06/07 17:07:56,ほげ部,二郎
2019/06/18 09:34:52,らら部,桃子
2019/06/18 10:48:39,ほげ部,一郎
2019/06/18 10:48:40,ほにゃ部,次郎
2019/06/18 19:16:25,ほげ部,一郎
2019/07/09 08:47:47,らら部,花子
2019/07/09 08:58:13,ほげ部,一郎
2019/07/09 09:29:06,ほにゃ部,次郎
2019/07/09 09:59:46,らら部,花子
2019/08/12 08:28:09,ほげ部,二郎
2019/08/12 08:28:14,ほにゃ部,次郎
2019/08/12 09:50:17,ほげ部,一郎
2019/08/12 10:02:07,らら部,花子
2019/09/13 09:13:09,ほげ部,一郎
2019/09/13 09:30:54,ほげ部,二郎
2019/09/13 09:58:32,らら部,花子
2019/09/13 10:04:44,らら部,桃子
2019/09/13 10:06:13,らら部,花子
2019/09/13 10:52:41,らら部,桃子
2019/09/13 11:06:59,ほげ部,一郎
2019/09/14 06:18:13,ほげ部,二郎
2019/09/14 06:18:35,ほにゃ部,次郎
2019/10/14 06:19:29,ほげ部,二郎
2019/11/14 12:43:31,らら部,花子
2019/11/15 09:30:00,らら部,桃子

#　現在のサンプルソース

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('tera1.csv', usecols=['日時','グループ','ユーザー'])
df['日付'] = df['日時'].str.split(n=0, expand=True)[0]

xt = pd.crosstab(df['日付'],df['グループ'])

ax = xt.plot(kind='bar')
plt.show()

サンプルの実行結果

](3ef17316999f0cc521f690fa484e4139.png)

試したこと

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import matplotlib.cbook as cbook

years = mdates.YearLocator()   # every year
months = mdates.MonthLocator()  # every month
years_fmt = mdates.DateFormatter('%Y')

# Load a numpy structured array from yahoo csv data with fields date, open,
# close, volume, adj_close from the mpl-data/example directory.  This array
# stores the date as an np.datetime64 with a day unit ('D') in the 'date'
# column.
with cbook.get_sample_data('goog.npz') as datafile:
    data = np.load(datafile)['price_data']

fig, ax = plt.subplots()
ax.plot('date', 'adj_close', data=data)

# format the ticks
ax.xaxis.set_major_locator(years)
ax.xaxis.set_major_formatter(years_fmt)
ax.xaxis.set_minor_locator(months)

# round to nearest years.
datemin = np.datetime64(data['date'][0], 'Y')
datemax = np.datetime64(data['date'][-1], 'Y') + np.timedelta64(1, 'Y')
ax.set_xlim(datemin, datemax)

# format the coords message box
ax.format_xdata = mdates.DateFormatter('%Y-%m-%d')
ax.format_ydata = lambda x: '$%1.2f' % x  # format the price.
ax.grid(True)

# rotates and right aligns the x labels, and moves the bottom of the
# axes up to make room for them
fig.autofmt_xdate()

plt.show()

参照: Matplotlib Documentation - Date tick Label

こちらのソースを参考にしたりしてみたのですが、crosstab からだと Axes が返ってくるため、figure をどう取得したらいいのかわからず、autofmt_xdate()ができないのでよく分かりませんでした。

Answer 1

pandas.crosstab()の代わりに df.groupby([pd.Grouper(freq='MS'), 'グループ']).count().unstack() を使うと月集計になるかと思います

df = pd.read_csv('tera1.csv', parse_dates=['日時'], index_col='日時')

#xt = pd.crosstab(df.index,df['グループ'])

xt = df.groupby([pd.Grouper(freq='MS'), 'グループ']).count().unstack(fill_value=0)
xt.columns = xt.columns.droplevel(0)
xt.plot(kind='bar')

plt.show()

【追記】

元の日時データを月毎のデータに変換したいのであれば Series.dt.strftime() にて文字列に変換するとよいかと思います。

import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
matplotlib.use('TkAgg')
df = pd.read_csv('tera1.csv', parse_dates=['日時'])
df['年月'] = df['日時'].dt.strftime('%Y/%m')
print(df)

xt = pd.crosstab(index=df['年月'], columns=df['グループ'])

xt.plot(kind='bar')
plt.show()

Comments

[waku_nagoya]

回答ありがとうございます。
集計データはそのままで、日付ラベルのみ月単位にできないでしょうか。

[waku_nagoya]

追記ありがとうございます。
せっかく考えていただきましたが、データの集計結果が変わってしまうようです。

[magichan]

日付ラベルから月単位のデータを得る方法を追加しました

[magichan]

すみません単純ミスです月が分になっておりました %M->%m

[waku_nagoya]

たくさんのご回答ありがとうございました。
ここ数日間、matplotlibのドキュメントなどを熟読して、だいぶ理解できてきました。
まだ分からないところはたくさんありますが、、、。
ある程度は解決に近づいたので自己解決として終わらせたいと思います。

Answer 2

以下の内容である程度は実現できました。

%matplotlib inline

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import matplotlib.dates as mdates
import datetime

months = mdates.MonthLocator() 
daylc = mdates.DateLocator()

df = pd.read_csv('tera1.csv', usecols=['日時','グループ','ユーザー'])
df['日付'] = pd.to_datetime(df['日時'].str.split(n=0, expand=True)[0])

xt = pd.crosstab(df['日付'],df['グループ'])
fig, ax = plt.subplots(figsize=(20,10))

display(xt)
ddelta = datetime.timedelta(days=3)

ax.bar(xt.index, xt['ほげ部'], width=3)
ax.bar(xt.index+ddelta, xt['ほにゃ部'], width=3)
ax.bar(xt.index+ddelta*2, xt['らら部'], width=3)

xax = ax.xaxis
xax.set_major_locator(mdates.MonthLocator())
xax.set_minor_locator(mdates.WeekdayLocator())
xax.set_major_formatter(mdates.DateFormatter('%Y-%m'))

crosstabで取得した DataFrame をそのまま plot しないのは、そのまま使ってしまうと MonthLocator などがうまく動作しないからです。
まだつまづいている部分はありますが。。。

棒グラフの重なり具合が意図した通りにならないところです。
この辺は今後の課題として調査したいと思います。