如何根据多索引的某一级别从多索引 pandas DataFrame 进行多重绘图?
我得到了在不同场景中使用不同技术的模型的结果,结果可能如下所示:
import numpy as np
import pandas as pd
df=pd.DataFrame(abs(np.random.randn(12,4)),columns=[2011,2012,2013,2014])
df['scenario']=['s1','s1','s1','s2','s2','s3','s3','s3','s3','s4','s4','s4']
df['technology'=['t1','t2','t5','t2','t6','t1','t3','t4','t5','t1','t3','t4']
dfg=df.groupby(['scenario','technology']).sum().transpose()
dfg 每年都会针对每种场景采用技术。我想为每个共享图例的场景都有一个子图。
如果我简单地使用参数 subplots=True,那么它会绘制所有可能的组合(12 个子图)
dfg.plot(kind='bar',stacked=True,subplots=True)
基于此回复,我更接近我正在寻找的东西。
f,a=plt.subplots(2,2)
fig1=dfg['s1'].plot(kind='bar',ax=a[0,0])
fig2=dfg['s2'].plot(kind='bar',ax=a[0,1])
fig2=dfg['s3'].plot(kind='bar',ax=a[1,0])
fig2=dfg['s3'].plot(kind='bar',ax=a[1,1])
plt.tight_layout()
但结果并不理想,每个子图都有不同的图例……这使得阅读起来相当困难。必须有一种更简单的方法来从多索引数据帧中绘制子图......谢谢!
编辑1:Ted Petrou 使用seaborn Factorplot 提出了一个很好的解决方案,但我有两个问题。我已经定义了一个样式,我不想使用seaborn样式(一种解决方案可以是更改seaborn的参数)。另一个问题是我想使用堆积条形图,这需要大量的额外的调整。我有机会用 Matplotlib 做类似的事情吗?
在我看来,当你“整理”数据时,进行数据分析会更容易——使每一列代表一个变量。在这里,所有 4 年都显示在不同的列中。 Pandas 有一种函数和一种方法可以将宽(杂乱)数据变成长(整齐)数据。您可以使用
df.stack
或 pd.melt(df)
来整理数据。然后您可以利用优秀的seaborn 库,它期望整洁的数据可以轻松绘制您想要的大多数内容。
df1 = pd.melt(df, id_vars=['scenario', 'technology'], var_name='year')
print(df1.head())
scenario technology year value
0 s1 t1 2011 0.406830
1 s1 t2 2011 0.495418
2 s1 t5 2011 0.116925
3 s2 t2 2011 0.904891
4 s2 t6 2011 0.525101
import seaborn as sns
sns.factorplot(x='year', y='value', hue='technology',
col='scenario', data=df1, kind='bar', col_wrap=2,
sharey=False)
实现答案 - Factorplot 函数已重命名为 catplot()。这是Seaborn 文档的链接。
因此你想用它来代替:
sns.catplot(x='year', y='value', hue='technology',
col='scenario', data=df1, kind='bar', col_wrap=2,
sharey=False)