从matplotlib中的.CSV文件制作多线图

Question

我几周来一直试图在.CSV文件的同一个图上绘制3组（x，y）数据，但我无处可去。我的数据最初是一个Excel文件，我已将其转换为.CSV文件，并使用pandas按照以下代码将其读入IPython：

from pandas import DataFrame, read_csv
import pandas as pd
# define data location
df = read_csv(Location)
df[['LimMag1.3', 'ExpTime1.3', 'LimMag2.0', 'ExpTime2.0', 'LimMag2.5','ExpTime2.5']][:7]

我的数据采用以下格式：

Type    mag1    time1   mag2    time2   mag3    time3

M0      8.87    41.11   8.41    41.11   8.16    65.78;

...

M6     13.95  4392.03  14.41 10395.13  14.66 25988.32

我正在尝试将time1与mag1，time2与mag2和time3与mag3联系起来，所有这些都在同一块情节中，但我获得了time.. vs Type的情节，例如。代码：

df['ExpTime1.3'].plot()

我得到'ExpTime1.3'（y轴）与M0到M6（x轴）的关系，我想要的是'ExpTime1.3' vs 'LimMag1.3' ，带有x标签M0 - M6。

1. 如何获得'ExpTime..' vs 'LimMag..'图，并在同一图上显示所有3组数据？

2. 如何在x轴上获取M0 - M6标签'LimMag..'值（也在x轴上）？

   < / LI>

   自从尝试askewchan的解决方案，因为未知的原因没有返回任何情节，我发现如果我改变了，我可以使用ExpTime获得LimMag vs df['ExpTime1.3'].plot(),的情节dataframe index（df.index）到x轴的值（LimMag1.3）。但是，这似乎意味着我必须通过手动输入所需x轴的所有值来将每个所需的x轴转换为数据帧索引，以使其成为数据索引。我有太多的数据，这个方法太慢了，我只能一次绘制一组数据，当我需要在一个图上绘制每个数据集的所有3个系列时。有没有解决这个问题的方法？或者有人可以提供理由和解决方案，为什么我没有使用askewchan提供的解决方案的任何情节？\

   为了回应nordev，我再次尝试了第一个版本，没有产生任何情节，甚至没有空图。每次我输入其中一个ax.plot命令，我都会得到一个类型的输出：  [<matplotlib.lines.Line2D at 0xb5187b8>]，但当我输入命令plt.show()时，没有任何反应。 当我在askewchan的第二个解决方案循环之后输入plt.show()时，我收到错误回复说AttributeError: 'function' object has no attribute 'show'

   我已经对原始代码做了一些调整，现在可以通过使索引与x相同来获得ExpTime1.3 vs LimMag1.3与代码df['ExpTime1.3'][:7].plot()的关系图。 axis（LimMag1.3），但我无法在同一个图上获得另外两组数据。如果您有任何进一步的建议，我将不胜感激。我使用ipython 0.11.0通过Anaconda 1.5.0（64位）和spyder在Windows 7（64位）上，python版本是2.7.4。

Answer 1

如果我从这个问题以及previous one on the same subject中正确理解了您，以下内容应该是您可以根据自己的需求进行定制的基本解决方案。

几个子图：

请注意，此解决方案将在同一图形上垂直输出与Spectral类（M0，M1，...）一样多的子图。如果您希望在单独的图中保存每个Spectral类的图，则代码需要进行一些修改。

import pandas as pd
from pandas import DataFrame, read_csv
import numpy as np
import matplotlib.pyplot as plt

# Here you put your code to read the CSV-file into a DataFrame df

plt.figure(figsize=(7,5)) # Set the size of your figure, customize for more subplots

for i in range(len(df)):
    xs = np.array(df[df.columns[0::2]])[i] # Use values from odd numbered columns as x-values
    ys = np.array(df[df.columns[1::2]])[i] # Use values from even numbered columns as y-values
    plt.subplot(len(df), 1, i+1)
    plt.plot(xs, ys, marker='o') # Plot circle markers with a line connecting the points
    for j in range(len(xs)):
        plt.annotate(df.columns[0::2][j][-3:] + '"', # Annotate every plotted point with last three characters of the column-label
                     xy = (xs[j],ys[j]),
                     xytext = (0, 5),
                     textcoords = 'offset points',
                     va = 'bottom',
                     ha = 'center',
                     clip_on = True)
    plt.title('Spectral class ' + df.index[i])
    plt.xlabel('Limiting Magnitude')
    plt.ylabel('Exposure Time')
    plt.grid(alpha=0.4)

plt.tight_layout()
plt.show()

所有在相同的轴中，按行（M0，M1，...）

分组

这是另一种解决方案，可以在同一个轴上绘制所有不同的光谱类，并使用标识不同类的图例。 plt.yscale('log')是可选的，但是看看值是如何跨越如此大的范围，建议使用。

import pandas as pd
from pandas import DataFrame, read_csv
import numpy as np
import matplotlib.pyplot as plt

# Here you put your code to read the CSV-file into a DataFrame df

for i in range(len(df)):
    xs = np.array(df[df.columns[0::2]])[i] # Use values from odd numbered columns as x-values
    ys = np.array(df[df.columns[1::2]])[i] # Use values from even numbered columns as y-values
    plt.plot(xs, ys, marker='o', label=df.index[i])
    for j in range(len(xs)):
        plt.annotate(df.columns[0::2][j][-3:] + '"', # Annotate every plotted point with last three characters of the column-label
                     xy = (xs[j],ys[j]),
                     xytext = (0, 6),
                     textcoords = 'offset points',
                     va = 'bottom',
                     ha = 'center',
                     rotation = 90,
                     clip_on = True)

plt.title('Spectral classes')
plt.xlabel('Limiting Magnitude')
plt.ylabel('Exposure Time')

plt.grid(alpha=0.4)    
plt.yscale('log')
plt.legend(loc='best', title='Spectral classes')
plt.show()

所有在相同的轴上，按列（1.3“，2.0”，2.5“）

分组

第三个解决方案如下所示，其中数据按系列（列1.3“，2.0”，2.5“）而不是光谱类（M0，M1，...）分组。这个例子非常相近 @ askewchan的解决方案。一个区别是这里的y轴是一个对数轴，使得线条非常平行。

import pandas as pd
from pandas import DataFrame, read_csv
import numpy as np
import matplotlib.pyplot as plt

# Here you put your code to read the CSV-file into a DataFrame df

xs = np.array(df[df.columns[0::2]]) # Use values from odd numbered columns as x-values
ys = np.array(df[df.columns[1::2]]) # Use values from even numbered columns as y-values

for i in range(df.shape[1]/2): 
    plt.plot(xs[:,i], ys[:,i], marker='o', label=df.columns[0::2][i][-3:]+'"') 
    for j in range(len(xs[:,i])):
        plt.annotate(df.index[j], # Annotate every plotted point with its Spectral class
                     xy = (xs[:,i][j],ys[:,i][j]),
                     xytext = (0, -6),
                     textcoords = 'offset points',
                     va = 'top',
                     ha = 'center',
                     clip_on = True)

plt.title('Spectral classes')
plt.xlabel('Limiting Magnitude')
plt.ylabel('Exposure Time')

plt.grid(alpha=0.4)    
plt.yscale('log')
plt.legend(loc='best', title='Series')
plt.show()

Answer 2

您可以在同一张图中三次调用pyplot.plot(time, mag)。给他们贴上标签是明智的。像这样：

import matplotlib.pyplot as plt

...
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(df['LimMag1.3'], df['ExpTime1.3'], label="1.3")
ax.plot(df['LimMag2.0'], df['ExpTime2.0'], label="2.0")
ax.plot(df['LimMag2.5'], df['ExpTime2.5'], label="2.5")
plt.show()

如果你想循环它，这将有效：

fig = plt.figure()
ax = fig.add_subplot(111)
for x,y in [['LimMag1.3', 'ExpTime1.3'],['LimMag2.0', 'ExpTime2.0'], ['LimMag2.5','ExpTime2.5']]:
    ax.plot(df[x], df[y], label=y)
plt.show()