# 按日期对累计患病人数统计 grouped_time_cases = df_data.groupby('Date_reported')['Cumulative_cases'].sum() plt.plot(grouped_time_cases.index, grouped_time_cases.values) plt.xlabel('Date_reported') plt.ylabel('Cumulative_cases') plt.title('Cumulative case toll by date') # 显示图表 plt.show()这个代码分组后图片x轴顺序有问题如何解决

如果你的 x 轴顺序有问题，可以尝试按日期对数据进行排序，然后再绘制图表。你可以使用 Pandas 的 sort_values() 函数来实现这一点，代码如下：

grouped_time_cases = df_data.groupby('Date_reported')['Cumulative_cases'].sum()
grouped_time_cases = grouped_time_cases.sort_values(by='Date_reported')
plt.plot(grouped_time_cases.index, grouped_time_cases.values)
plt.xlabel('Date_reported')
plt.ylabel('Cumulative_cases')
plt.title('Cumulative case toll by date')
plt.show()

在这里，我们使用 sort_values() 对 `grouped_time_cases` 按照 'Date_reported' 列进行排序，然后将排序后的结果用于绘制图表。这样就可以确保 x 轴按照日期的顺序排列了。

相关问题

如何在grouped_codes = codes_data.groupby('ts_code')中找到某个ts_code对应的数据

在 `grouped_codes = codes_data.groupby('ts_code')` 这行代码中，`groupby` 方法用于将数据按照某个或某些列（在本例中是 'ts_code' 列）进行分组。`grouped_codes` 是一个GroupBy对象，它包含了一组按照 'ts_code' 分组后的数据块。如果你想要访问特定 `ts_code` 对应的数据，可以通过以下步骤：

1. 首先，确定你想要访问的 `ts_code` 值。
2. 使用该 `ts_code` 值作为键来访问GroupBy对象中的相应分组。在Pandas中，GroupBy对象可以像字典一样访问。

例如，如果你想访问 `ts_code` 值为 `'000001.XSHE'` 的分组，可以这样做：

specific_group = grouped_codes['000001.XSHE']

3. 访问后，`specific_group` 将会是一个DataFrame，包含了所有 `ts_code` 为 `'000001.XSHE'` 的行。

请注意，`groupby` 之后的分组数据默认是按照分组键的顺序进行排序的。如果你想要访问多个特定的 `ts_code` 对应的数据，可以将它们放入一个列表中，并将该列表作为键来访问GroupBy对象。

df1_new.groupby('sa_role')统计某3列的数据和

如果你想要对 DataFrame `df1_new` 按照 `'sa_role'` 列进行分组，并计算特定的三列数值（假设这三列分别是 'col1', 'col2', 'col3'），可以使用 `groupby` 方法然后对每组应用 `sum`, `mean`, 或者其他的聚合函数。以下是基本操作步骤：

# 对 col1, col2, col3 进行求和
df1_grouped_sum = df1_new.groupby('sa_role')[['col1', 'col2', 'col3']].sum()

# 或者按列求平均
df1_grouped_mean = df1_new.groupby('sa_role')[['col1', 'col2', 'col3']].mean()

# 如果你想获得计数或其他聚合，替换 'sum' 或 'mean' 为 'count', 'min', 'max', 等

这里的 `[['col1', 'col2', 'col3']]` 是指选取的列名列表，`sum()` 或 `mean()` 是聚合函数，它们会对每一组内的指定列进行计算。