分别绘制所有 pandas 数据框列
Posted
技术标签:
【中文标题】分别绘制所有 pandas 数据框列【英文标题】:Plot all pandas dataframe columns separately 【发布时间】:2019-08-29 06:21:48 【问题描述】:我有一个只有数字列的 pandas 数据框,我正在尝试为所有功能创建一个单独的直方图
ind group people value value_50
1 1 5 100 1
1 2 2 90 1
2 1 10 80 1
2 2 20 40 0
3 1 7 10 0
3 2 23 30 0
但在我的现实生活数据中有 50 多列,我怎样才能为它们创建一个单独的图
我试过了
df.plot.hist( subplots = True, grid = True)
它给了我一个重叠的不清楚的情节。
如何使用 pandas subplots = True 来排列它们。下面的示例可以帮助我在 (2,2) 网格中获取四列的图形。但它对所有 50 列都是一个很长的方法
fig, [(ax1,ax2),(ax3,ax4)] = plt.subplots(2,2, figsize = (20,10))
【问题讨论】:
您想要 4 个子图中的 50 多个直方图? 你使用了紧凑的布局吗? @goyo 不是 4 个子图,这只是一个例子 所以这是你不想要的一个例子。但是你想要什么?图应该是什么样子的? @goyo 数据框中所有列的直方图,简单!在上面的例子中,它有 5 列,在我的实际例子中是 50。你能写一些通用的东西吗?我相信它可以做到 【参考方案1】:Pandas subplots=True
会将坐标轴排列在一列中。
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
df = pd.DataFrame(np.random.rand(7,20))
df.plot(subplots=True)
plt.tight_layout()
plt.show()
这里没有应用tight_layout
,因为图形太小而不能很好地排列轴。不过可以使用更大的数字 (figsize=(...)
)。
为了将坐标轴放在网格上,可以使用layout
参数,例如
df.plot(subplots=True, layout=(4,5))
同样可以通过plt.subplots()
创建坐标轴
fig, axes = plt.subplots(nrows=4, ncols=5)
df.plot(subplots=True, ax=axes)
【讨论】:
@ImportanceOfBeingErnest 你能弄清楚如何处理每个图中的 X 和 Y 轴比例吗? !Here's the question【参考方案2】:如果你想单独绘制它们(这就是我在这里结束的原因),你可以使用
for i in df.columns:
plt.figure()
plt.hist(df[i])
【讨论】:
【参考方案3】:此任务的替代方法是使用带有超参数“布局”的“hist”方法。使用@ImportanceOfBeingErnest 提供的部分代码的示例:
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
df = pd.DataFrame(np.random.rand(7,20))
df.hist(layout=(5,4), figsize=(15,10))
plt.show()
【讨论】:
【参考方案4】:使用pandas.DataFrame
我建议使用pandas.DataFrame.apply
。使用自定义函数,在本例中为plot()
,您可以单独打印和保存每个图形。
def plot(col):
fig, ax = plt.subplots()
ax.plot(col)
plt.show()
df.apply(plot)
【讨论】:
【参考方案5】:虽然问题中没有要求,但我想我会补充一点,使用x
参数进行绘图将允许您为 x 轴数据指定一列。
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
df = pd.DataFrame(np.random.rand(7,20),columns=list('abcdefghijklmnopqrst'))
df.plot(x='a',subplots=True, layout=(4,5))
plt.tight_layout()
plt.show()
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.plot.html
【讨论】:
以上是关于分别绘制所有 pandas 数据框列的主要内容,如果未能解决你的问题,请参考以下文章