在不同颜色的同一图中绘制不同网格中的多列

Posted 2023-02-18

【中文标题】在不同颜色的同一图中绘制不同网格中的多列

【英文标题】：plot multiple columns in a different grid in same plot in different colors

【发布时间】：2021-08-29 07:00:03

【问题描述】：

我有一个包含三列的数据框

data = np.array([[0,'Time',27.390000],
                [0,'Score',0.027585],
                [1,'Time',47.390000],
                [1,'Score',0.23776],
                [2,'Time',65.390000],
                [2,'Score',0.44776]])
data = pd.DataFrame(data)
data.columns = ['Rounds','Metrics','WA_All_par_1']
data["WA_All_par_1"] = pd.to_numeric(data["WA_All_par_1"])

data
        Rounds  Metrics WA_All_par_1
     0  0       Time    27.390000
     1  0       Score   0.027585
     2  1       Time    47.390000
     3  1       Score   0.237760
     4  2       Time    65.390000
     5  2       Score   0.447760

我旋转数据框“指标”列

data= data.pivot(index='Rounds', columns='Metrics', values='WA_All_par_1').reset_index().rename_axis(columns=None)
data.dropna(how='all')
data.head()


    Rounds  Score       Time
 0  0       0.027585    27.39
 1  1       0.237760    47.39
 2  2       0.447760    65.39

data.set_index('Rounds').plot(figsize=(7,6), grid=True)

我想在同一个图中分别绘制两列时间和分数

【参考方案1】：

基于this example，您可以添加第二个具有不同比例的 y 轴

ax1 = plt.gca()
ax1.plot(data['Rounds'], data['Score'], color='red')
ax1.set_xlabel('Rounds')
ax1.set_ylabel("Score")
ax1.set_ylim([0.,0.5])
ax2 = ax1.twinx()
ax2.plot(data['Rounds'], data['Time'], color='blue')
ax2.set_ylabel("Time")
ax2.set_ylim([0, 70])
plt.show()

编辑：作为替代方案，您可以使用子图。创建子图时使用sharex=True sharey=False，以便所有子图在 x 轴上使用相同的比例，但可以在 y 轴上使用不同的比例。

fig, axs = plt.subplots(2, sharex=True, sharey=False)

axs[0].plot(data['Rounds'], data['Score'], color='red')
axs[0].set_xlabel('Rounds')
axs[0].set_ylabel("Score")
axs[0].set_ylim([0.,0.5])

axs[1].plot(data['Rounds'], data['Time'], color='blue')
axs[1].set_xlabel('Rounds')
axs[1].set_ylabel("Time")
axs[1].set_ylim([0.,70])

plt.show()

【讨论】：

我的数据框中有两列以上，所以我想在同一个图中有单独的网格

我可能误解了你的问题吗？您是否正在为每一行寻找单独的subplots？

是的，我想制作子图，但是，我想在 x 轴上四舍五入

如何将折线图转为直方图？

@Khaned 我不太确定你的意思。也许你应该问另一个（新）问题，更详细地描述你在寻找什么