[python]日別の合計を集計する方法

Question

下記のような重複した日付のデータを日毎に集計をしたいです。
さらにそのデータでグラフ化し、データ分析をしたいです。

date 　 person
2020‐3‐11 1
2020‐3‐12 5
2020‐3‐13 7
2020‐3‐12 2
2020‐3‐11 3
↓
（集計結果）
2020‐3‐11　 4
2020‐3‐12 7
2020‐3‐13 7

実施・確認したこと
① クロス集計 →　集計データがテーブル化されてグラフ化できない
② 日別＋IDキー のDataFrame それぞれ作成し結合する
※下記途中までのコードです

date_df = pd.DataFrame(
pd.date_range('2020-03-11', periods=3, freq='D').date, columns=['date'])

②の方法が最良でしょうか？
データにはIDがなく、またその後のデータ分析の際にIDの順番が分析結果に
影響しないか不安で出来ればIDを振らずに集計出来ないかと考えています。

そのようなコーディングが可能であれば教えて頂きたいです。
よろしくお願いいたします

Answer 1

データフレームのインデックスをDatetimeIndexにしてリサンプリングして下さい。
サンプルコードを示します。

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


# 設問のデータフレーム
df = pd.DataFrame(
    {
        "date": [
            "2020-3-11",
            "2020-3-12",
            "2020-3-13",
            "2020-3-12",
            "2020-3-11",
        ],
        "person": [1, 5, 7, 2, 3],
    }
)


# インデックスをDatetimeIndex型にする
df.index = pd.DatetimeIndex(pd.to_datetime(df.date, format="%Y-%m-%d"))
df.drop("date", axis=1, inplace=True)
df_1day = df.resample("1D").sum()
print(df_1day)

# グラフ表示
fig, ax = plt.subplots(1, 1, figsize=(12, 4))
ax.xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m-%d\n%H:%M"))
plt.plot(df_1day.index, df_1day.person, linestyle="--", marker="o")
plt.ylabel("Number of persons per day")
plt.grid()
plt.show()

実行結果

            person
date              
2020-03-11       4
2020-03-12       7
2020-03-13       7

Comments

[mango55]

早々のお返事ありがとうございます。
すみませんが初心者で教えてください。
データですが、数か月分あるのですがデータフレームにするのは全ての月日、人数を明記するのでしょうか？

[yymmt]

csvデータがあればpd.read_csv()を使って読み込めます。Excelで集計しているのであればpd.read_excel()を使います。

[mango55]

教えてもらったとおりにしているつもりですが、エラーになります。
どこが違うでしょうか？どうしても原因が分かりません。

df = pd.read_csv('C:/Users//Downloads/file.csv')

# インデックスをDatetimeIndex型にする
df.date = pd.DatetimeIndex(pd.to_datetime(df.date))
df.drop("date", axis=1, inplace=True)
df_1day = df.resample("1D").sum()
print(df_1day)

# グラフ表示
fig, ax = plt.subplots(1, 1, figsize=(12, 4))
ax.xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m-%d\n%H:%M"))
plt.plot(df_1day.index, df_1day.patient, linestyle="--", marker="o")
plt.ylabel("Number of patient per day")
plt.grid()
plt.show()
----------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-31-6b6cb5d51338> in <module>
5
6 # インデックスをDatetimeIndex型にする
----> 7 df.date = pd.DatetimeIndex(pd.to_datetime(df.date))
8 df.drop("date", axis=1, inplace=True)
9 df_1day = df.resample("1D").sum()

~\Anaconda3\lib\site-packages\pandas\core\generic.py in __getattr__(self, name)
5065 if self._info_axis._can_hold_identifiers_and_holds_name(name):
5066 return self[name]
-> 5067 return object.__getattribute__(self, name)
5068
5069 def __setattr__(self, name, value):

AttributeError: 'DataFrame' object has no attribute 'date'

[yymmt]

列の名称が異なるのだと思います。print(df)等で確認して列名がある場合
df.date → df["日付の入っている列名"]
として下さい。列名がない場合、3列目なら(0から数えて2列目)
df.date → df.iloc[:, 2]
と変えれば動くと思います。

[mango55]

エラー解消されました。
早々のお返事本当にありがとうございました。