Question

我认为关于绘制多个图表有很多问题，但不是专门针对这种情况，如下所示。

pandas文档说'重复绘图方法'在单个轴上绘制多个列组。但是，对于3个或更多列组，这将如何工作？例如，如果我们定义第三列：

bx = df.plot(kind='scatter', x='a',y='f',color = 'Green',label ='f')

这个bx将被传递到哪里？

另外，如果图是相同的图，那么x轴不应该始终是'a'还是'c'？但是文档有两个不同的x轴：'a'和'c'

Answer 1

这个bx将被传递到哪里？

你应该重复第二次调用plot，而不是第一次，所以不需要bx。

详细说明：plot对可选的ax参数征税。这是它所汲取的轴。如果未提供参数，则该函数将创建新的图和轴。此外，轴由函数返回，因此可以重复用于进一步的绘图操作。想法是不将ax参数传递给第一次调用plot并在所有后续调用中使用返回的轴。

您可以验证每次调用plot都会返回与传递的轴相同的轴：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(100, 6), columns=['a', 'b', 'c', 'd', 'e', 'f'])


ax1 = df.plot(kind='scatter', x='a', y='b', color='r')    
ax2 = df.plot(kind='scatter', x='c', y='d', color='g', ax=ax1)    
ax3 = df.plot(kind='scatter', x='e', y='f', color='b', ax=ax1)

print(ax1 == ax2 == ax3)  # True

另外，如果绘图是相同的图形，则x轴不应始终如一“＆＃39; a＆＃39;或者＆＃39; c＆＃39;？

不一定。如果将不同的列放在相同的轴上是有意义的，取决于它们代表什么数据。例如，如果a是收入而c是支出，那么将两者放在相同的“钱”上是有意义的。轴。相反，如果a是豌豆的数量，c是电压，它们可能不应该在同一轴上。

Answer 2

您可以针对您喜欢的任何列绘制任何列。这是否有意义，你必须自己决定。例如。绘制表示与表示距离的列在同一轴上的时间的列可能没有意义，但绘制两个在同一轴上都包含距离的列是正常的。

为了指定certin图应位于现有轴（ax）上，您可以指定ax关键字，如文档中所示。你可以在同一轴上创建几个图。

ax = df.plot(kind="scatter", x="x",y="a", color="b", label="a vs. x")
df.plot(x="x",y="b", color="r", label="b vs. x", ax=ax)
df.plot( x="x",y="c", color="g", label="c vs. x", ax=ax)

一个完整的例子：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,6.3, 50)
a = (np.sin(x)+1)*3
b = (np.cos(x)+1)*3
c = np.ones_like(x)*3
d = np.exp(x)/100.
df = pd.DataFrame({"x":x, "a":a, "b":b, "c":c, "d":d})

ax = df.plot(kind="scatter", x="x",y="a", color="b", label="a vs. x")
df.plot(x="x",y="b", color="r", label="b vs. x", ax=ax)
df.plot( x="x",y="c", color="g", label="c vs. x", ax=ax)
df.plot( x="d",y="x", color="orange", label="b vs. d", ax=ax)
df.plot( x="a",y="x", color="purple", label="x vs. a", ax=ax)

ax.set_xlabel("horizontal label")
ax.set_ylabel("vertical label")
plt.show()

Answer 3

如果您使用参数 backend=plotly 选择不同的绘图后端，例如 plotly 而不是 matplotlib，这已成为 Pandas 中的简单单行：

import numpy as np
import pandas as pd
import hvplot.pandas

df = pd.DataFrame(np.random.randn(100, 6), columns=['a', 'b', 'c', 'd', 'e', 'f'])

# notice argument backend='plotly' to change the plotting backend of pandas
df.plot(
    kind='scatter',
    x='a', 
    y=['b', 'c', 'd', 'e'], 
    backend='plotly', 
    width=500,   
)

结果图：

Answer 4

在pyviz背面有一个名为hvplot的库，它提供了非常好的高级绘图功能（在holoviews之上），可以与熊猫一起使用：< / p>

import numpy as np
import hvplot.pandas

df = pd.DataFrame(np.random.randn(100, 6), columns=['a', 'b', 'c', 'd', 'e', 'f'])

df.hvplot(x='a', y=['b', 'c', 'd', 'e'], kind='scatter')

Answer 5

您可以在for循环中自动绘制多列。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.DataFrame(np.random.randn(100, 5), columns=['a', 'b', 'c', 'd', 'e',])

f,ax = plt.subplots(1)

for x,y,c in zip(['a','c','e'],['b','d','d'],['r','g','b']):
    df.plot(kind='scatter', 
            x=x, 
            y=y, 
            color=c, 
            ax=ax, 
            label='{} vs {}'.format(x,y)
            )

然后，当然，数据框的列和颜色也可以从代码中生成，而不是硬编码。

绘制多个散点图熊猫

5 个答案: