如何使用数据框创建带有secondary_y的条形图

Question

我想创建一个包含在Pandas数据帧中的两个系列（比如'A'和'B'）的条形图。如果我想使用不同的y轴绘制它们，我可以使用secondary_y：

df = pd.DataFrame(np.random.uniform(size=10).reshape(5,2),columns=['A','B'])
df['A'] = df['A'] * 100
df.plot(secondary_y=['A'])

但是如果我想要创建条形图，则忽略等效命令 （它不会在y轴上放置不同的比例），因此来自“A”的条形图是如此之大以至于来自'B'的酒吧无法区分：

df.plot(kind='bar',secondary_y=['A'])

我怎样才能直接在熊猫中这样做？或者你将如何创建这样的图表？

我正在使用pandas 0.10.1和matplotlib 1.2.1版。

Answer 1

不要认为pandas graphing支持这一点。做了一些手动matplotlib代码..你可以进一步调整它

import pylab as pl
fig = pl.figure()
ax1 = pl.subplot(111,ylabel='A')
#ax2 = gcf().add_axes(ax1.get_position(), sharex=ax1, frameon=False, ylabel='axes2')
ax2 =ax1.twinx()
ax2.set_ylabel('B')
ax1.bar(df.index,df.A.values, width =0.4, color ='g', align = 'center')
ax2.bar(df.index,df.B.values, width = 0.4, color='r', align = 'edge')
ax1.legend(['A'], loc = 'upper left')
ax2.legend(['B'], loc = 'upper right')
fig.show()

我确信有办法强制一个栏进一步调整它。将酒吧进一步分开，一个稍微透明等。

Answer 2

好的，我最近遇到了同样的问题，即使这是一个老问题，我想我可以回答这个问题，以防万一其他人对此失去了理智。 Joop给出了要做的事情的基础，当你的数据框中只有（例如）两列时，它很容易，但当你有两个不同的列数时，它会变得非常讨厌事实上你需要使用pandas plot（）函数的position参数。在我的例子中，我使用seaborn，但它的选择是：

import pandas as pd
import seaborn as sns
import pylab as plt
import numpy as np

df1 = pd.DataFrame(np.array([[i*99 for i in range(11)]]).transpose(), columns = ["100"], index = [i for i in range(11)])
df2 = pd.DataFrame(np.array([[i for i in range(11)], [i*2 for i in range(11)]]).transpose(), columns = ["1", "2"], index = [i for i in range(11)])

fig, ax = plt.subplots()
ax2 = ax.twinx()

# we must define the length of each column. 
df1_len = len(df1.columns.values)
df2_len = len(df2.columns.values)
column_width = 0.8 / (df1_len + df2_len)

# we calculate the position of each column in the plot. This value is based on the position definition :
# Specify relative alignments for bar plot layout. From 0 (left/bottom-end) to 1 (right/top-end). Default is 0.5 (center)
# http://pandas.pydata.org/pandas-docs/dev/generated/pandas.DataFrame.plot.html
df1_posi = 0.5 + (df2_len/float(df1_len)) * 0.5
df2_posi = 0.5 - (df1_len/float(df2_len)) * 0.5

# In order to have nice color, I use the default color palette of seaborn
df1.plot(kind='bar', ax=ax, width=column_width*df1_len, color=sns.color_palette()[:df1_len], position=df1_posi)
df2.plot(kind='bar', ax=ax2, width=column_width*df2_len, color=sns.color_palette()[df1_len:df1_len+df2_len], position=df2_posi)

ax.legend(loc="upper left")

# Pandas add line at x = 0 for each dataframe.
ax.lines[0].set_visible(False)
ax2.lines[0].set_visible(False)

# Specific to seaborn, we have to remove the background line 
ax2.grid(b=False, axis='both')

# We need to add some space, the xlim don't manage the new positions
column_length = (ax2.get_xlim()[1] - abs(ax2.get_xlim()[0])) / float(len(df1.index))
ax2.set_xlim([ax2.get_xlim()[0] - column_length, ax2.get_xlim()[1] + column_length])

fig.patch.set_facecolor('white')
plt.show()

结果：http://i.stack.imgur.com/LZjK8.png

我没有测试每种可能性，但无论您使用的每个数据帧中的列数是多少，它看起来都能正常工作。