Python数据透视表自定义排序x轴

Question

我正在尝试创建透视表图，其中x轴是自定义排序的。 我的代码：

import pandas as pd
data_dict = {
    'x' : [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15],
    'y' : [9,10,11,12,13,14,15,1,2,3,4,5,6,7,8]
}
res_table = pd.DataFrame(data_dict)

df_pivot = pd.pivot_table(res_table, 
                    index='x', values='y', 
                    aggfunc='sum')

ax = df_pivot.plot(kind='line', marker='*', title='y data')

ax.set(xlabel='x', ylabel='y')
ax.legend(bbox_to_anchor=(1,1), loc="upper left")
ax.figure

此代码给出了该图：

现在，我想更改X轴，使其从8到15开始，然后从1到7。这样图形就变成一条直线。

我尝试了以下代码：（Pandas pivot table Nested Sorting）

order = [8, 9, 10, 11, 12, 13, 14, 15, 1, 2, 3, 4, 5, 6, 7]
pd.concat([res_table.loc[res_table['x'] == val, :].set_index(['x']) for val in order])

但这似乎并没有改变任何东西。

*编辑：当然，我可以添加一个具有正确索引的额外列，并使用该列来绘制图形，但我希望该图形显示真实的x值。

**编辑：我庆祝得有点早。 我的实际代码中有多余的列，可以在一张图上绘制多条线

data_dict = {
    'x' : [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15],
    'y' : [9,10,11,12,13,14,15,1,2,3,4,5,6,7,8,29,30,31,32,33,34,35,21,22,23,24,25,26,27,28],
    'z' : [1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2]
}
res_table = pd.DataFrame(data_dict)
df_pivot = pd.pivot_table(res_table, 
                    index='x', values='y', 
                    aggfunc='sum', columns='z')

cut_val = 8
tmp_df = pd.concat((df_pivot.loc[cut_val:], 
                     df_pivot.loc[:cut_val-1])).reset_index()
print(tmp_df)
fig, ax = plt.subplots()

ax.plot(tmp_df.index, tmp_df.y, '-o')
ticks = ax.get_xticks()
ax.set_xticklabels(tmp_df.loc[ticks, 'x'])
ax.figure

代码在此行停止，并在tmp_df.y上出现键错误：

ax.plot(tmp_df.index, tmp_df.y, '-o')

没有column参数，代码可以正常工作

在原始代码中，图形如下所示

Answer 1

实际上，在这种特殊情况下，我们可以使用sort_value和set_xticklabels

df_pivot = df_pivot.sort_values('y').reset_index()

fig, ax = plt.subplots()

ax.plot(df_pivot.index, df_pivot.y, '-o')
ticks = ax.get_xticks()
ax.set_xticklabels(df_pivot.loc[ticks, 'x'])
plt.show()

输出：

通常，您可以先用concat然后再用类似的方式set_xticklabels

cut_val = 8
tmp_df = pd.concat((df_pivot.loc[cut_val:], 
                     df_pivot.loc[:cut_val-1])).reset_index()

fig, ax = plt.subplots()

ax.plot(tmp_df.index, tmp_df.y, '-o')
ticks = ax.get_xticks()
ax.set_xticklabels(tmp_df.loc[ticks, 'x'])
plt.show()

对于更新的数据框，由于tmp_df中的唯一值，y实际上还有其他几列，非列是z：

cut_val = 8
tmp_df = pd.concat((df_pivot.loc[cut_val:], 
                     df_pivot.loc[:cut_val-1])).reset_index()
fig, ax = plt.subplots()

tmp_df[df_pivot.columns].plot(ax=ax, marker='o')
ticks = ax.get_xticks()
ax.set_xticklabels(tmp_df.loc[ticks, 'x'])
plt.show()

输出：