在matplotlib和熊猫中的半年颜色条

时间:2017-12-07 09:29:50

标签: python pandas matplotlib datetimeindex

我有一个熊猫数据框。我正在制作散点图,并尝试根据颜色条对数据进行分类。我按月进行了分类和质量分类,如下面的示例代码所示。

a = np.random.rand(366)
b = np.random.rand(366)*0.4
index = (pd.date_range(pd.to_datetime('01-01-2000'), periods=366))
df = pd.DataFrame({'a':a,'b':b},index = index)
plt.scatter(df['a'],df['b'],c = df.index.month)
plt.colorbar()

enter image description here

还有质量:

plt.scatter(df['a'],df['b'],c = df.index.quarter)
plt.colorbar()

enter image description here

我的问题:有没有办法按年度分类一半。例如,从1-6和7-12个月以及月份如:10-3和4-9 谢谢,您的帮助/建议将受到高度赞赏。

2 个答案:

答案 0 :(得分:2)

创建一个自定义函数,将散射函数放入颜色参数。我为半年分工做了一个例子。您可以将它用作自己的分割函数的模板:

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

# if month is 1 to 6 then the first halfyear else the second halfyear 
def halfyear(m):
    return 0 if (m <= 6) else 1
# vectorize function to use with Series
hy = np.vectorize(halfyear)

a = np.random.rand(366)
b = np.random.rand(366)*0.4
index = (pd.date_range(pd.to_datetime('01-01-2000'), periods=366))
df = pd.DataFrame({'a':a,'b':b},index = index)

# apply custom function 'hy' for 'c' argument
plt.scatter(df['a'],df['b'], c = hy(df.index.month))
plt.colorbar()

plt.show()

enter image description here

另一种使用lambda函数的方法如:

plt.scatter(df['a'],df['b'], \
 c = df.index.map(lambda m: 0 if (m.month > 0 and m.month < 7) else 1))

答案 1 :(得分:1)

我会选择一种不会完全截断月度信息的解决方案。使用相似但几个月可区分的颜色允许在视觉上按半年和月分类。

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

a = np.random.rand(366)
b = np.random.rand(366)*0.4
index = (pd.date_range(pd.to_datetime('01-01-2000'), periods=366))
df = pd.DataFrame({'a':a,'b':b},index = index)

colors=["crimson", "orange", "darkblue", "skyblue"]
cdic = list(zip([0,.499,.5,1],colors))
cmap = matplotlib.colors.LinearSegmentedColormap.from_list("name", cdic,12 )
norm = matplotlib.colors.BoundaryNorm(np.arange(13)+.5,12)

plt.scatter(df['a'],df['b'],c = df.index.month, cmap=cmap, norm=norm)
plt.colorbar(ticks=np.arange(1,13))

plt.show()

enter image description here