图例仅在用熊猫绘图时显示一个标签

Question

我有两个Pandas DataFrames，我希望在单个图中绘制。我正在使用IPython笔记本。

我希望图例显示两个DataFrame的标签，但到目前为止，我只能显示后者。此外，任何关于如何以更合理的方式编写代码的建议将不胜感激。我是这些人的新手，并不真正理解面向对象的绘图。

%pylab inline
import pandas as pd

#creating data

prng = pd.period_range('1/1/2011', '1/1/2012', freq='M')
var=pd.DataFrame(randn(len(prng)),index=prng,columns=['total'])
shares=pd.DataFrame(randn(len(prng)),index=index,columns=['average'])

#plotting

ax=var.total.plot(label='Variance')
ax=shares.average.plot(secondary_y=True,label='Average Age')
ax.left_ax.set_ylabel('Variance of log wages')
ax.right_ax.set_ylabel('Average age')
plt.legend(loc='upper center')
plt.title('Wage Variance and Mean Age')
plt.show()

Answer 1

这确实有点令人困惑。我认为这归结为Matplotlib如何处理次轴。熊猫可能会在某个地方调用ax.twinx()，在第一个轴上叠加一个辅助轴，但这实际上是一个单独的轴。因此也有单独的线和＆amp;标签和单独的图例。调用plt.legend()仅适用于其中一个轴（活动轴），在您的示例中是第二个轴。

幸运的是，Pandas会存储两个轴，因此您可以从这两个轴中获取所有线对象并自行将它们传递给.legend()命令。给出您的示例数据：

您可以完全按照您的方式进行绘图：

ax = var.total.plot(label='Variance')
ax = shares.average.plot(secondary_y=True, label='Average Age')

ax.set_ylabel('Variance of log wages')
ax.right_ax.set_ylabel('Average age')

两个轴对象都可以使用ax（左斧）和ax.right_ax，因此您可以从中抓取线对象。 Matplotlib的.get_lines()返回一个列表，以便您可以通过简单的添加来合并它们。

lines = ax.get_lines() + ax.right_ax.get_lines()

行对象有一个label属性，可用于读取标签并将其传递给.legend()命令。

ax.legend(lines, [l.get_label() for l in lines], loc='upper center')

其余的策划：

ax.set_title('Wage Variance and Mean Age')
plt.show()

编辑：

如果您更严格地分离Pandas（数据）和Matplotlib（绘图）部分，可能不那么令人困惑，因此请避免使用Pandas内置绘图（无论如何只包装Matplotlib）：

fig, ax = plt.subplots()

ax.plot(var.index.to_datetime(), var.total, 'b', label='Variance')
ax.set_ylabel('Variance of log wages')

ax2 = ax.twinx()
ax2.plot(shares.index.to_datetime(), shares.average, 'g' , label='Average Age')
ax2.set_ylabel('Average age')

lines = ax.get_lines() + ax2.get_lines()
ax.legend(lines, [line.get_label() for line in lines], loc='upper center')

ax.set_title('Wage Variance and Mean Age')
plt.show()

Answer 2

绘制多个系列时，默认情况下不显示图例 显示自定义图例的简单方法就是使用上次绘制的系列/数据框中的轴（我的代码来自 IPython Notebook ）：

%matplotlib inline  # Embed the plot
import matplotlib.pyplot as plt

...
rates[rates.MovieID <= 25].groupby('MovieID').Rating.count().plot()  # blue
(rates[rates.MovieID <= 25].groupby('MovieID').Rating.median() * 1000).plot()  # green
(rates[rates.MovieID <= 25][rates.RateDelta <= 10].groupby('MovieID').Rating.count() * 2000).plot()  # red
ax = (rates[rates.MovieID <= 25][rates.RateDelta <= 10].groupby('MovieID').Rating.median() * 1000).plot()  # cyan

ax.legend(['Popularity', 'RateMedian', 'FirstPpl', 'FirstRM'])

Answer 3

您可以使用pd.concat合并两个数据框，然后使用辅助y轴绘图：

import numpy as np  # For generating random data.
import pandas as pd

# Creating data.
np.random.seed(0)
prng = pd.period_range('1/1/2011', '1/1/2012', freq='M')
var = pd.DataFrame(np.random.randn(len(prng)), index=prng, columns=['total'])
shares = pd.DataFrame(np.random.randn(len(prng)), index=prng, columns=['average'])

# Plotting.
ax = (
    pd.concat([var, shares], axis=1)
    .rename(columns={
        'total': 'Variance of Low Wages',
        'average': 'Average Age'
    })
    .plot(
        title='Wage Variance and Mean Age',
        secondary_y='Average Age')
)
ax.set_ylabel('Variance of Low Wages')
ax.right_ax.set_ylabel('Average Age', rotation=-90)