想要将 Pandas 数据框绘制为具有 log10 比例 x 轴的多个直方图

Posted 2023-03-11

【中文标题】想要将 Pandas 数据框绘制为具有 log10 比例 x 轴的多个直方图

【英文标题】：Want to plot Pandas Dataframe as Multiple Histograms with log10 scale x-axis

【发布时间】：2015-07-07 22:45:42

【问题描述】：

我在 Pandas 数据框中有浮点数据。每列代表一个变量（它们具有字符串名称），每行代表一组值（行具有不重要的整数名称）。

>>> print data
0      kppawr23    kppaspyd
1      3.312387   13.266040
2      2.775202    0.100000
3    100.000000  100.000000
4    100.000000   39.437420
5     17.017150   33.019040
...

我想为每一列绘制一个直方图。我取得的最好结果是使用数据框的 hist 方法：

data.hist(bins=20)

但我希望每个直方图的 x 轴都在 log10 范围内。并且 bins 也是 log10 规模，但是使用 bins=np.logspace(-2,2,20) 很容易。

一种解决方法可能是在绘图之前对数据进行 log10 转换，但我尝试过的方法，

data.apply(math.log10)

和

data.apply(lambda x: math.log10(x))

给我一​​个浮点错误。

    "cannot convert the series to 0".format(str(converter)))
TypeError: ("cannot convert the series to <type 'float'>", u'occurred at index kppawr23')

【参考方案1】：

你可以使用

ax.set_xscale('log')

data.hist() 返回一个坐标轴数组。你需要打电话 ax.set_xscale('log') 用于每个轴，ax 使每个轴对数 缩放。

---

例如，

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
np.random.seed(2015)

N = 100
arr = np.random.random((N,2)) * np.logspace(-2,2,N)[:, np.newaxis]
data = pd.DataFrame(arr, columns=['kppawr23', 'kppaspyd'])

bins = np.logspace(-2,2,20)
axs = data.hist(bins=bins)
for ax in axs.ravel():
    ax.set_xscale('log')

plt.gcf().tight_layout()
plt.show()

产量

---

顺便说一句，要记录 DataFrame 中每个值的日志，data，您可以使用

logdata = np.log10(data)

因为 NumPy ufunc（例如 np.log10）可以应用于 pandas DataFrames，因为它们操作 elementwise on all the values in the DataFrame。

data.apply(math.log10) 不起作用，因为apply 试图将一整列（一个系列）的值传递给math.log10。 math.log10 只需要一个标量值。

data.apply(lambda x: math.log10(x)) 失败的原因与data.apply(math.log10) 相同。此外，如果 data.apply(func) 和 data.apply(lambda x: func(x)) 都是可行的选项，则应该首选第一个选项，因为 lambda 函数只会使调用慢一点。

您可以再次使用 data.apply(np.log10)，因为 NumPy ufunc np.log10 可以应用于 Series，但是当 np.log10(data) 有效时，没有理由这样做。

您也可以使用data.applymap(math.log10)，因为applymap 调用 math.log10 在data 中的每个值上一次一个。但这会慢得多 比调用等效的 NumPy 函数，np.log10 数据框。不过，如果您需要致电，还是值得了解applymap 一些不是 ufunc 的自定义函数。

【讨论】：

谢谢！我不知道ravel()。我也没有深入研究 numpy 。我一直在尝试专注于 pandas，因为它在读取大型数据集时速度非常快。

顺便问一下，有什么办法可以加快速度吗？我要生成 219 个直方图，这需要几分钟（在 PyCharm 社区版中以调试模式运行）。

我可以以某种方式将tight_layout应用于data.hist吗？

你可以使用plt.gcf().tight_layout();我已经编辑了上面的帖子。您可以通过使用multiprocessing 模块在处理器之间分配工作来加快速度。 Python Module of the Week tutorial on multiprocessing 将是一个很好的起点。