以列中绘制 x 轴的熊猫分组

Question

我有一个时间序列的数据帧，其中列是时间值（按顺序），每行都是一个单独的序列。我还有额外的列，提供每行的类别，这反过来又决定了线型和颜色。下面是数据帧：>>> df                cat (frac_norm, 2, 1)                                                                                                       clustermonth_rel                           -5        -4        -3        -2        -1         0         1          2         3         4          5        user1   user2                                                                                                                                       3414845 4232621  -1b          0.760675  0.789854   0.95941  0.867755  0.790102         1  0.588729   0.719073  0.695572  0.647696   0.656323       44369232 3370279  -1b          0.580436  0.546761   0.71343  0.742033  0.802198  0.389957  0.861451   0.651786  0.798265  0.476305   0.896072       022771   3795428  -1b          0.946188  0.499531  0.834885  0.825772  0.754018   0.67823  0.430692   0.353989  0.333761  0.284759   0.260501       22660226 3126314  -1b          0.826701   0.81203  0.765182  0.680162  0.763475  0.802632         1   0.780186  0.844019  0.868698   0.722672       44154510 4348009  -1b                 1  0.955656  0.677647  0.911556   0.76613  0.743759   0.61798   0.606536  0.715528  0.614902   0.482267       32860801 164553   -1b          0.870056  0.371981  0.640212  0.835185  0.673108  0.536585         1   0.850242  0.551198  0.873016   0.635556       4120577  3480468  -1b            0.8197  0.879873  0.961178         1  0.855465  0.827824  0.827139   0.304011  0.574978  0.473996   0.358934       3我可以制作下面的图，其中x轴是 的有序值，颜色取决于 的值，线型取决于 的值。但是，它是逐行的。有没有办法对此进行矢量化，例如，通过使用groupby？('frac_norm',2,1)clustercat用于生成图像的代码import pandas as pdimport numpy as npcolors = ['r','g','b','c','y','k']lnst = ['-','--']cats = np.sort(df['cat'].unique())clusters = np.sort(df['cluster'].unique())colordict = dict(zip(clusters, colors))lnstdict = dict(zip(cats,lnst))

Answer 1

你应该能够使用熊猫来绘制并避免循环：

from matplotlib.colors import LinearSegmentedColormap

colors = ['r','g','b','c','y','k']

lnst = ['-','--']

cats = np.sort(df['cat'].unique())

clusters = np.sort(df['cluster'].unique())

colordict = dict(zip(clusters, colors))

lnstdict = dict(zip(cats,lnst))

# transpose data frame

df1 = df.T

# map colors from colordict to cluster

cmap = df['cluster'].map(colordict).values.tolist()

# create a custom color map and line style

lscm = LinearSegmentedColormap.from_list('color', cmap)

lstyle = df['cat'].map(lnstdict).values.tolist()

# plot with pandas 

df1.iloc[1:12].reset_index(level=0, drop=True).plot(figsize=(20,10),

                                                    colormap=lscm,

                                                    style=lstyle)

更新（假设您希望两者都在同一图表上）

from matplotlib.colors import LinearSegmentedColormap

import matplotlib.pyplot as plt

%matplotlib inline

colors = ['r','g','b','c','y','k']

lnst = ['-','--']

cats = np.sort(df['cat'].unique())

clusters = np.sort(df['cluster'].unique())

colordict = dict(zip(clusters, colors))

lnstdict = dict(zip(cats,lnst))

# transpose data frame

df1 = df.T

# map colors from colordict to cluster

cmap = df['cluster'].map(colordict).values.tolist()

# create a custom color map and line style

lscm = LinearSegmentedColormap.from_list('color', cmap)

lstyle = df['cat'].map(lnstdict).values.tolist()

c = df.columns

# not needed for your actually dataframe

# i am just converting your sample data to numeric

for i in range(len(df.columns[1:])-1):

    df[c[i+1]] = pd.to_numeric(df[c[i+1]])

# groupby and get mean of cluster

df2 = df[c[1:]].groupby('cluster').mean()

# create sublots object from matplotlib

fig, ax = plt.subplots()

# add a twin y-axis

ax2 = ax.twiny()

# plot dataframe 1

df1.iloc[1:12].reset_index(level=0, drop=True).plot(ax=ax, figsize=(20,10),

                                                    colormap=lscm,

                                                    style=lstyle)

# create legend for ax

handles, labels = ax.get_legend_handles_labels()

ax.legend(handles, labels, loc='center left', borderaxespad=-20)

# subplot df2

df2.plot(ax=ax2, colormap='copper')

# create legend for ax2

handles, labels = ax2.get_legend_handles_labels()

ax2.legend(handles, labels, loc='center right', borderaxespad=-20)