如何将单独的Pan​​das DataFrames绘制为子图？

Question

我有一些Pandas DataFrames共享相同的值范围，但具有不同的列和索引。在调用df.plot()时，我会获得单独的绘图图像。我真正想要的是将它们全部放在与次要情节相同的情节中，但遗憾的是我没有想出一个如何并且非常欣赏一些帮助的解决方案。

Answer 1

您可以使用matplotlib手动创建子图，然后使用ax关键字在特定子图上绘制数据框。例如，对于4个子图（2x2）：

import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2, ncols=2)

df1.plot(ax=axes[0,0])
df2.plot(ax=axes[0,1])
...

此处axes是一个包含不同子图轴的数组，您只需通过索引axes即可访问一个。 如果您想要共享的x轴，则可以sharex=True提供plt.subplots。

Answer 2

你可以看到e.gs.在documentation展示joris答案。同样，从文档中，您还可以在pandas subplots=True函数中设置layout=(,)和plot：

df.plot(subplots=True, layout=(1,2))

你也可以使用fig.add_subplot()来获取帖子here中描述的子图网格参数，例如221,222,223,224等。在this ipython notebook中可以看到关于pandas数据框的情节的好例子，包括子图。

Answer 3

您可以使用熟悉的Matplotlib样式调用figure和subplot，但您只需使用plt.gca()指定当前轴。一个例子：

plt.figure(1)
plt.subplot(2,2,1)
df.A.plot() #no need to specify for first axis
plt.subplot(2,2,2)
df.B.plot(ax=plt.gca())
plt.subplot(2,2,3)
df.C.plot(ax=plt.gca())

等...

Answer 4

您可以使用：

fig = plt.figure()
ax = fig.add_subplot(221)
plt.plot(x,y)

ax = fig.add_subplot(222)
plt.plot(x,z)
...

plt.show()

Answer 5

您可能根本不需要使用熊猫。这是猫频率的matplotlib图：

x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)

f, axes = plt.subplots(2, 1)
for c, i in enumerate(axes):
  axes[c].plot(x, y)
  axes[c].set_title('cats')
plt.tight_layout()

Answer 6

在上面的@joris响应的基础上，如果您已经建立了对子图的引用，您也可以使用该引用。例如，

ax1 = plt.subplot2grid((50,100), (0, 0), colspan=20, rowspan=10)
...

df.plot.barh(ax=ax1, stacked=True)

Answer 7

如何从包含长（整洁）数据的数据帧字典中创建多个图

• 假设

  • 有一个包含多个整齐数据框架的字典
    • 通过读取文件创建
    • 通过将单个数据帧分为多个数据帧来创建
  • 类别cat可能是重叠的，但所有数据框可能未包含cat的所有值
  • hue='cat'

• 因为要遍历数据帧，所以不能保证每个图的颜色都将映射为相同

  • 需要为所有数据框使用唯一的'cat'值创建自定义颜色图
  • 由于颜色相同，请在图的侧面放置一个图例，而不要在每个图中都放置图例

进口和综合数据

import pandas as pd
import numpy as np  # used for random data
import random  # used for random data
import matplotlib.pyplot as plt
from matplotlib.patches import Patch  # for custom legend
import seaborn as sns
import math import ceil  # determine correct number of subplot


# synthetic data
df_dict = dict()
for i in range(1, 7):
    np.random.seed(i)
    random.seed(i)
    data_length = 100
    data = {'cat': [random.choice(['A', 'B', 'C']) for _ in range(data_length)],
            'x': np.random.rand(data_length),
            'y': np.random.rand(data_length)}
    df_dict[i] = pd.DataFrame(data)


# display(df_dict[1].head())

  cat         x         y
0   A  0.417022  0.326645
1   C  0.720324  0.527058
2   A  0.000114  0.885942
3   B  0.302333  0.357270
4   A  0.146756  0.908535

创建颜色映射并绘图

# create color mapping based on all unique values of cat
unique_cat = {cat for v in df_dict.values() for cat in v.cat.unique()}  # get unique cats
colors = sns.color_palette('husl', n_colors=len(unique_cat))  # get a number of colors
cmap = dict(zip(unique_cat, colors))  # zip values to colors

# iterate through dictionary and plot
col_nums = 3  # how many plots per row
row_nums = math.ceil(len(df_dict) / col_nums)  # how many rows of plots
plt.figure(figsize=(10, 5))  # change the figure size as needed
for i, (k, v) in enumerate(df_dict.items(), 1):
    plt.subplot(row_nums, col_nums, i)  # create subplots
    p = sns.scatterplot(data=v, x='x', y='y', hue='cat', palette=cmap)
    p.legend_.remove()  # remove the individual plot legends
    plt.title(f'DataFrame: {k}')

plt.tight_layout()
# create legend from cmap
patches = [Patch(color=v, label=k) for k, v in cmap.items()]
# place legend outside of plot; change the right bbox value to move the legend up or down
plt.legend(handles=patches, bbox_to_anchor=(1.06, 1.2), loc='center left', borderaxespad=0)
plt.show()

Answer 8

您可以使用matplotlib通过绘制所有数据框列表的简单技巧来绘制多个熊猫数据框的多个子图。然后使用for循环绘制子图。

工作代码：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
# dataframe sample data
df1 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df2 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df3 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df4 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df5 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df6 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
#define number of rows and columns for subplots
nrow=3
ncol=2
# make a list of all dataframes 
df_list = [df1 ,df2, df3, df4, df5, df6]
fig, axes = plt.subplots(nrow, ncol)
# plot counter
count=0
for r in range(nrow):
    for c in range(ncol):
        df_list[count].plot(ax=axes[r,c])
        count=+1

使用此代码，您可以在任何配置中绘制子图。您只需要定义行数nrow和列数ncol。另外，您需要列出要绘制的数据框df_list。

Answer 9

这是一个工作的熊猫子图示例，其中mode是数据框的列名。

    dpi=200
    figure_size=(20, 10)
    fig, ax = plt.subplots(len(modes), 1, sharex="all", sharey="all", dpi=dpi)
    for i in range(len(modes)):
        ax[i] = pivot_df.loc[:, modes[i]].plot.bar(figsize=(figure_size[0], figure_size[1]*len(modes)),
                                                   ax=ax[i], title=modes[i], color=my_colors[i])
        ax[i].legend()
    fig.suptitle(name)