绘制具有多个属性的图形,类似于 Seaborn 中的“色调”
Posted
技术标签:
【中文标题】绘制具有多个属性的图形,类似于 Seaborn 中的“色调”【英文标题】:Plot graph with multiple attributes similar to "hue" in Seaborn 【发布时间】:2018-11-09 16:36:20 【问题描述】:我有以下名为df
的示例数据集,其中阶段时间是到达那里的天数:
id stage1_time stage_1_to_2_time stage_2_time stage_2_to_3_time stage3_time
a 10 30 40 30 70
b 30
c 15 30 45
d
我编写了以下脚本以获得stage1_time
与 CDF 的散点图:
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import scipy.stats as stats
dict = 'id': id, 'stage_1_time': [10, 30, 15, None], 'stage_1_to_2_time': [30, None, 30, None], 'stage_2_time' : [40, None, 45, None],'stage_2_to_3_time' : [30, None, None, None],'stage_3_time' : [70, None, None, None]
df = pd.DataFrame(dict)
#create eCDF function
def ecdf(df):
n = len(df)
x = np.sort(df)
y = np.arange(1.0, n+1) / n
return x, y
def generate_scatter_plot(df):
x, y = ecdf(df)
plt.plot(x, y, marker='.', linestyle='none')
plt.axvline(x.mean(), color='gray', linestyle='dashed', linewidth=2) #Add mean
x_m = int(x.mean())
y_m = stats.percentileofscore(df.as_matrix(), x.mean())/100.0
plt.annotate('(%s,%s)' % (x_m,int(y_m*100)) , xy=(x_m,y_m), xytext=(10,-5), textcoords='offset points')
percentiles= np.array([0,25,50,75,100])
x_p = np.percentile(df, percentiles)
y_p = percentiles/100.0
plt.plot(x_p, y_p, marker='D', color='red', linestyle='none') # Overlay quartiles
for x,y in zip(x_p, y_p):
plt.annotate('%s' % int(x), xy=(x,y), xytext=(10,-5), textcoords='offset points')
#Data to plot
stage1_time = df['stage_1_time'].dropna().sort_values()
#Scatter Plot
stage1_time_scatter = generate_scatter_plot(pd.DataFrame("df" : stage1_time.as_matrix()))
plt.title('Scatter Plot of Days to Stage1')
plt.xlabel('Days to Stage1')
plt.ylabel('Cumulative Probability')
plt.legend(('Days to Stage1', "Mean", 'Quartiles'), loc='lower right')
plt.margins(0.02)
plt.show()
输出:
目前,我将所有到达stage1
的人与其累积概率绘制成图的天数,但是我想要实现的是,当我绘制时,散点具有三种颜色:那些到达stage1
并留在那里的人,那些转移到stage2
的人,以及那些转移到stage3
的人。我还想要图中数据的计数:#in stage1
,#in stage2
和#in stage3
。
有人可以帮忙吗?
仅供参考,打算以此为基础,以便我还可以为stage2_time
创建一个图表,其中到达stage_3
的人以不同的颜色突出显示。
【问题讨论】:
【参考方案1】:您可以创建一个新列并使用它来存储最终阶段,然后使用这个新列为您的绘图着色。
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import scipy.stats as stats
import math
dict = 'id': id, 'Progressive_time': [10, 30, 15, None],'stage_1_to_2_time': [30, None, 30, None], 'Active_time' : [40,None, 45, None],'stage_2_to_3_time' : [30, None, None,None],'Engaged_time' : [70, None, None, None]
df = pd.DataFrame(dict)
#create eCDF function
def ecdf(df, serie):
n = len(df)
df['x'] = np.sort(df[serie])
df['y'] = np.arange(1.0, n+1) / n
return df
def generate_scatter_plot(df,serie,nb_stage):
df=df.dropna(subset=[serie]).sort_values(by=[serie])
st=1
for i in range(1,nb_stage*2,2):
df.loc[df.iloc[:,i].notnull(),'stage']=st
st=st+1
df= ecdf(df, serie)
plt.plot(df.loc[df['stage'] == 1, 'x'], df.loc[df['stage'] == 1, 'y'], marker='.', linestyle='none',c='blue')
plt.plot(df.loc[df['stage'] == 2, 'x'], df.loc[df['stage'] == 2, 'y'], marker='.', linestyle='none',c='red')
plt.plot(df.loc[df['stage'] == 3, 'x'], df.loc[df['stage'] == 3, 'y'], marker='.', linestyle='none',c='green')
plt.axvline(df['x'].mean(), color='gray', linestyle='dashed', linewidth=2) #Add mean
x_m = int(df['x'].mean())
y_m = stats.percentileofscore(df[serie], df['x'].mean())/100.0
plt.annotate('(%s,%s)' % (x_m,int(y_m*100)) , xy=(x_m,y_m), xytext=(10,-5), textcoords='offset points')
percentiles= np.array([0,25,50,75,100])
x_p = np.percentile(df[serie], percentiles)
y_p = percentiles/100.0
plt.plot(x_p, y_p, marker='D', color='red', linestyle='none') # Overlay quartiles
for x,y in zip(x_p, y_p):
plt.annotate('%s' % int(x), xy=(x,y), xytext=(10,-5), textcoords='offset points')
#Scatter Plot
stage1_time_scatter = generate_scatter_plot(df,'stage_1_time',3)
plt.title('Scatter Plot of Days to Stage1')
plt.xlabel('Days to Stage1')
plt.ylabel('Cumulative Probability')
plt.legend(('Progressive','Active','Engaged','Days to Stage1', "Mean", 'Quartiles'), loc='lower right')
plt.margins(0.02)
plt.show()
【讨论】:
谢谢你这是完美的!问题,关于def generate_scatter_plot
- 有没有办法从定义本身中取出硬编码的stage_3_time
和stage_2_time
?我也希望能够将它更广泛地用于其他情况?
我编辑了我的代码。现在在generate_scatter_plot
中,您可以设置多个阶段。对于情节图例,您可以在generate_scatter_plot
中编辑或添加列表
谢谢!两个问题:1)我称阶段 1、2、3 但实际上它们是字母定义(如 Progressive、Active、Engaged)——我还能按原样使用代码吗? 2)如果我需要,它是否足够通用,可用于那些收到特定电子邮件的人(例如,这将是一个不同的系列,即 df 中的列),而不是那些继续进入第 2 阶段和第 3 阶段的人?
数据框的列必须使用相同的结构,但名称并不重要
谢谢你,这真的很棒!查看聊天中的问题chat.***.com/rooms/172432/…以上是关于绘制具有多个属性的图形,类似于 Seaborn 中的“色调”的主要内容,如果未能解决你的问题,请参考以下文章