Pandas / Pyplot中的散点图：如何按类别绘制[重复]

Posted 2023-02-16

【中文标题】Pandas / Pyplot中的散点图：如何按类别绘制[重复]

【英文标题】：Scatter plots in Pandas/Pyplot: How to plot by category [duplicate]

【发布时间】：2014-03-06 10:50:46

【问题描述】：

我正在尝试使用 Pandas DataFrame 对象在 pyplot 中制作一个简单的散点图，但想要一种有效的方法来绘制两个变量，但符号由第三列（键）指示。我尝试了各种使用 df.groupby 的方法，但都没有成功。下面是一个示例 df 脚本。这会根据“key1”为标记着色，但我希望看到带有“key1”类别的图例。我接近了吗？谢谢。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), index = pd.date_range('2010-01-01', freq = 'M', periods = 10), columns = ('one', 'two', 'three'))
df['key1'] = (4,4,4,6,6,6,8,8,8,8)
fig1 = plt.figure(1)
ax1 = fig1.add_subplot(111)
ax1.scatter(df['one'], df['two'], marker = 'o', c = df['key1'], alpha = 0.8)
plt.show()

【参考方案1】：

使用Seaborn (pip install seaborn) 作为单行者很简单

sns.scatterplot(x_vars="one", y_vars="two", data=df, hue="key1") ：

import seaborn as sns
import pandas as pd
import numpy as np
np.random.seed(1974)

df = pd.DataFrame(
    np.random.normal(10, 1, 30).reshape(10, 3),
    index=pd.date_range('2010-01-01', freq='M', periods=10),
    columns=('one', 'two', 'three'))
df['key1'] = (4, 4, 4, 6, 6, 6, 8, 8, 8, 8)

sns.scatterplot(x="one", y="two", data=df, hue="key1")

这是供参考的数据框：

由于您的数据中有三个变量列，您可能希望绘制所有成对维度：

sns.pairplot(vars=["one","two","three"], data=df, hue="key1")

https://rasbt.github.io/mlxtend/user_guide/plotting/category_scatter/ 是另一种选择。

【参考方案2】：

seaborn 有一个包装函数 scatterplot，它可以更有效地执行此操作。

sns.scatterplot(data = df, x = 'one', y = 'two', data =  'key1'])

【参考方案3】：

从 matplotlib 3.1 开始，您可以使用.legend_elements()。 Automated legend creation 中显示了一个示例。优点是可以使用单个分散调用。

在这种情况下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), 
                  index = pd.date_range('2010-01-01', freq = 'M', periods = 10), 
                  columns = ('one', 'two', 'three'))
df['key1'] = (4,4,4,6,6,6,8,8,8,8)


fig, ax = plt.subplots()
sc = ax.scatter(df['one'], df['two'], marker = 'o', c = df['key1'], alpha = 0.8)
ax.legend(*sc.legend_elements())
plt.show()

如果键没有直接作为数字给出，它看起来像

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), 
                  index = pd.date_range('2010-01-01', freq = 'M', periods = 10), 
                  columns = ('one', 'two', 'three'))
df['key1'] = list("AAABBBCCCC")

labels, index = np.unique(df["key1"], return_inverse=True)

fig, ax = plt.subplots()
sc = ax.scatter(df['one'], df['two'], marker = 'o', c = index, alpha = 0.8)
ax.legend(sc.legend_elements()[0], labels)
plt.show()

【讨论】：

我收到一条错误消息，提示“PathCollection”对象没有属性“legends_elements”。我的代码如下。 fig, ax = plt.subplots(1, 1, figsize = (4,4)) scat = ax.scatter(rand_jitter(important_dataframe["workout_type_int"], jitter = 0.04), important_dataframe["distance"], c = color_list, marker = 'o', alpha = 0.9) print(scat.legends_elements()) #ax.legend(*scat.legend_elements())

@NandishPatel 检查这个答案的第一句话。还要确保不要混淆legends_elements 和legend_elements。

好的，谢谢。那是一个错字（传说/传说）。自从过去 6 个小时以来，我一直在做一些事情，所以我没有想到 Matplotlib 版本。我以为我用的是最新的。我很困惑文档说有这样的方法，但代码给出了错误。再次感谢你。我现在可以睡觉了。

【参考方案4】：

这很 hacky，但您可以使用 one1 作为 Float64Index 一次性完成所有操作：

df.set_index('one').sort_index().groupby('key1')['two'].plot(style='--o', legend=True)

请注意，从 0.20.3 开始，sorting the index is necessary，图例为 a bit wonky。

【参考方案5】：

您可以使用 df.plot.scatter，并将数组传递给定义每个点颜色的 c= 参数：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), index = pd.date_range('2010-01-01', freq = 'M', periods = 10), columns = ('one', 'two', 'three'))
df['key1'] = (4,4,4,6,6,6,8,8,8,8)
colors = np.where(df["key1"]==4,'r','-')
colors[df["key1"]==6] = 'g'
colors[df["key1"]==8] = 'b'
print(colors)
df.plot.scatter(x="one",y="two",c=colors)
plt.show()

【参考方案6】：

您也可以尝试Altair 或ggpot，它们专注于声明性可视化。

import numpy as np
import pandas as pd
np.random.seed(1974)

# Generate Data
num = 20
x, y = np.random.random((2, num))
labels = np.random.choice(['a', 'b', 'c'], num)
df = pd.DataFrame(dict(x=x, y=y, label=labels))

Altair 代码

from altair import Chart
c = Chart(df)
c.mark_circle().encode(x='x', y='y', color='label')

ggplot 代码

from ggplot import *
ggplot(aes(x='x', y='y', color='label'), data=df) +\
geom_point(size=50) +\
theme_bw()

【参考方案7】：

有了plt.scatter，我只能想到一个：使用代理艺人：

df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), index = pd.date_range('2010-01-01', freq = 'M', periods = 10), columns = ('one', 'two', 'three'))
df['key1'] = (4,4,4,6,6,6,8,8,8,8)
fig1 = plt.figure(1)
ax1 = fig1.add_subplot(111)
x=ax1.scatter(df['one'], df['two'], marker = 'o', c = df['key1'], alpha = 0.8)

ccm=x.get_cmap()
circles=[Line2D(range(1), range(1), color='w', marker='o', markersize=10, markerfacecolor=item) for item in ccm((array([4,6,8])-4.0)/4)]
leg = plt.legend(circles, ['4','6','8'], loc = "center left", bbox_to_anchor = (1, 0.5), numpoints = 1)

结果是：

【参考方案8】：

您可以为此使用 scatter，但这需要为您的 key1 提供数值，并且您不会有图例，正如您所注意到的。

最好将plot 用于此类离散类别。例如：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
np.random.seed(1974)

# Generate Data
num = 20
x, y = np.random.random((2, num))
labels = np.random.choice(['a', 'b', 'c'], num)
df = pd.DataFrame(dict(x=x, y=y, label=labels))

groups = df.groupby('label')

# Plot
fig, ax = plt.subplots()
ax.margins(0.05) # Optional, just adds 5% padding to the autoscaling
for name, group in groups:
    ax.plot(group.x, group.y, marker='o', linestyle='', ms=12, label=name)
ax.legend()

plt.show()

如果您希望事情看起来像默认的 pandas 样式，那么只需使用 pandas 样式表更新 rcParams 并使用它的颜色生成器。 （我也在稍微调整一下图例）：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
np.random.seed(1974)

# Generate Data
num = 20
x, y = np.random.random((2, num))
labels = np.random.choice(['a', 'b', 'c'], num)
df = pd.DataFrame(dict(x=x, y=y, label=labels))

groups = df.groupby('label')

# Plot
plt.rcParams.update(pd.tools.plotting.mpl_stylesheet)
colors = pd.tools.plotting._get_standard_colors(len(groups), color_type='random')

fig, ax = plt.subplots()
ax.set_color_cycle(colors)
ax.margins(0.05)
for name, group in groups:
    ax.plot(group.x, group.y, marker='o', linestyle='', ms=12, label=name)
ax.legend(numpoints=1, loc='upper left')

plt.show()

【讨论】：

为什么在上面的 RGB 示例中，符号在图例中显示了两次？如何只显示一次？

@SteveSchulist - 使用ax.legend(numpoints=1) 仅显示一个标记。有两个，就像Line2D，通常有一条线连接两个标记。

此代码仅在ax.plot() 命令后添加plt.hold(True) 后对我有效。知道为什么吗？

set_color_cycle() 在 matplotlib 1.5 中已弃用。现在有set_prop_cycle()。

非常违反直觉，但谢谢！