我在Pandas数据帧中有浮点数据。每列代表一个变量(它们具有字符串名称),每一行代表一组值(这些行具有不重要的整数名称)。
>>> print data
0 kppawr23 kppaspyd
1 3.312387 13.266040
2 2.775202 0.100000
3 100.000000 100.000000
4 100.000000 39.437420
5 17.017150 33.019040
...
我想为每列绘制直方图。我实现的最好结果是使用数据帧的hist方法:
data.hist(bins=20)
但我希望每个直方图的x轴都是log10刻度。并且bin上的bin也是log10,但是这很容易使用bins = np.logspace(-2,2,20)。
一种解决方法可能是在绘图之前log10转换数据,但是我尝试过的方法
data.apply(math.log10)
和
data.apply(lambda x: math.log10(x))
给我一个浮点错误。
"cannot convert the series to {0}".format(str(converter)))
TypeError: ("cannot convert the series to <type 'float'>", u'occurred at index kppawr23')
答案 0 :(得分:7)
您可以使用
ax.set_xscale('log')
data.hist()
返回一个轴数组。你需要打电话
每个轴ax.set_xscale('log')
,ax
以对数方式进行每个轴
缩放。
例如,
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
np.random.seed(2015)
N = 100
arr = np.random.random((N,2)) * np.logspace(-2,2,N)[:, np.newaxis]
data = pd.DataFrame(arr, columns=['kppawr23', 'kppaspyd'])
bins = np.logspace(-2,2,20)
axs = data.hist(bins=bins)
for ax in axs.ravel():
ax.set_xscale('log')
plt.gcf().tight_layout()
plt.show()
产量
顺便说一句,要记录DataFrame中的每个值,data
,您可以使用
logdata = np.log10(data)
因为NumPy ufuncs(例如np.log10
)可以应用于pandas DataFrames,因为它们运行elementwise on all the values in the DataFrame。
data.apply(math.log10)
无效,因为apply
尝试将整个列(一系列)值传递给math.log10
。 math.log10
只需要一个标量值。
data.apply(lambda x: math.log10(x))
失败的原因与data.apply(math.log10)
相同。此外,如果data.apply(func)
和data.apply(lambda x: func(x))
都是可行的选项,那么第一个应该是首选,因为lambda函数只会使调用变慢一些。
您可以再次使用data.apply(np.log10)
,因为NumPy ufunc np.log10
可以应用于系列,但在np.log10(data)
工作时没有理由这样做。
自data.applymap(math.log10)
来电以来,您也可以使用applymap
math.log10
每个值data
一次np.log10
。但这会慢得多
比调用等效的NumPy函数applymap
整个
数据帧。不过,如果你需要打电话,还是值得了解IsChecked
一些不是ufunc的自定义函数。