使用 Pandas 在同一图中绘制分组数据

Posted 2023-03-11

【中文标题】使用 Pandas 在同一图中绘制分组数据

【英文标题】：Plotting grouped data in same plot using Pandas

【发布时间】：2015-04-02 07:14:11

【问题描述】：

在 Pandas 中，我正在做：

bp = p_df.groupby('class').plot(kind='kde')

p_df 是一个dataframe 对象。

但是，这会产生两个图，每个类别一个。 如何在同一个情节中强制一个情节与两个类？

【参考方案1】：

版本 1：

您可以创建轴，然后使用 DataFrameGroupBy.plot 的 ax 关键字将所有内容添加到这些轴：

import matplotlib.pyplot as plt

p_df = pd.DataFrame("class": [1,1,2,2,1], "a": [2,3,2,3,2])
fig, ax = plt.subplots(figsize=(8,6))
bp = p_df.groupby('class').plot(kind='kde', ax=ax)

这是结果：

不幸的是，传说的标签在这里没有太多意义。

版本 2：

另一种方法是遍历组并手动绘制曲线：

classes = ["class 1"] * 5 + ["class 2"] * 5
vals = [1,3,5,1,3] + [2,6,7,5,2]
p_df = pd.DataFrame("class": classes, "vals": vals)

fig, ax = plt.subplots(figsize=(8,6))
for label, df in p_df.groupby('class'):
    df.vals.plot(kind="kde", ax=ax, label=label)
plt.legend()

这样您可以轻松控制图例。结果如下：

【参考方案2】：

另一种方法是使用seaborn 模块。这将在相同的轴上绘制两个密度估计值，而无需指定一个变量来保存轴，如下所示（使用其他答案中的一些数据框设置）：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline

# data to create an example data frame
classes = ["c1"] * 5 + ["c2"] * 5
vals = [1,3,5,1,3] + [2,6,7,5,2]
# the data frame 
df = pd.DataFrame("cls": classes, "indices":idx, "vals": vals)

# this is to plot the kde
sns.kdeplot(df.vals[df.cls == "c1"],label='c1');
sns.kdeplot(df.vals[df.cls == "c2"],label='c2');

# beautifying the labels
plt.xlabel('value')
plt.ylabel('density')
plt.show()

这会产生以下图像。

【讨论】：

如果我想要实际值而不是密度怎么办？

请注意，通过这种方式，您不会像问题所要求的那样绘制分组数据，而是将数据框切成两个子数据框并将它们添加到同一个图中。如果您有很多组（特别是如果您不知道这些组实际上是什么），则此解决方案不适用。

【参考方案3】：

import matplotlib.pyplot as plt
p_df.groupby('class').plot(kind='kde', ax=plt.gca())

【讨论】：

这个方法最简单，也很有效。

【参考方案4】：

也许你可以试试这个：

fig, ax = plt.subplots(figsize=(10,8))
classes = list(df.class.unique())
for c in classes:
    df2 = data.loc[data['class'] == c]
    df2.vals.plot(kind="kde", ax=ax, label=c)
plt.legend()

【参考方案5】：

有两种简单的方法可以在同一个图中绘制每个组。

使用pandas.DataFrame.groupby 时，应指定要绘制的列（例如聚合列）。 使用seaborn.kdeplot 或seaborn.displot 并指定hue 参数

使用pandas v1.2.4、matplotlib 3.4.2、seaborn 0.11.1 OP 专门用于绘制kde，但对于许多绘图类型（例如kind='line'、sns.lineplot 等），步骤都是相同的。

导入和示例数据

对于样本数据，组在'kind'列中，将绘制'duration'的kde，忽略'waiting'。

import pandas as pd
import seaborn as sns

df = sns.load_dataset('geyser')

# display(df.head())
   duration  waiting   kind
0     3.600       79   long
1     1.800       54  short
2     3.333       74   long
3     2.283       62  short
4     4.533       85   long

使用pandas.DataFrame.plot 绘图

使用.groupby 或.pivot 重塑数据

.groupby

指定聚合列['duration']和kind='kde'。

ax = df.groupby('kind')['duration'].plot(kind='kde', legend=True)

.pivot

ax = df.pivot(columns='kind', values='duration').plot(kind='kde')

使用seaborn.kdeplot 绘图

指定hue='kind'

ax = sns.kdeplot(data=df, x='duration', hue='kind')

使用seaborn.displot 绘图

指定hue='kind' 和kind='kde'

fig = sns.displot(data=df, kind='kde', x='duration', hue='kind')

情节