使用 pandas 绘图时，图例仅显示一个标签

Posted 2023-03-11

【中文标题】使用 pandas 绘图时，图例仅显示一个标签

【英文标题】：Legend only shows one label when plotting with pandas

【发布时间】：2014-03-26 03:23:27

【问题描述】：

我有两个 Pandas DataFrame，我希望以单个图形绘制。我正在使用 IPython 笔记本。

我希望图例显示两个 DataFrame 的标签，但到目前为止，我只能显示后一个。此外，任何有关如何以更明智的方式编写代码的建议都将不胜感激。我对这一切都很陌生，并不真正了解面向对象的绘图。

%pylab inline
import pandas as pd

#creating data

prng = pd.period_range('1/1/2011', '1/1/2012', freq='M')
var=pd.DataFrame(randn(len(prng)),index=prng,columns=['total'])
shares=pd.DataFrame(randn(len(prng)),index=index,columns=['average'])

#plotting

ax=var.total.plot(label='Variance')
ax=shares.average.plot(secondary_y=True,label='Average Age')
ax.left_ax.set_ylabel('Variance of log wages')
ax.right_ax.set_ylabel('Average age')
plt.legend(loc='upper center')
plt.title('Wage Variance and Mean Age')
plt.show()

【参考方案1】：

这确实有点令人困惑。我认为这归结为 Matplotlib 如何处理辅助轴。 Pandas 可能会在某个地方调用ax.twinx()，它将第二个轴叠加在第一个轴上，但这实际上是一个单独的轴。因此也有单独的线条和标签以及单独的图例。调用 plt.legend() 仅适用于您的示例中为第二个轴的轴之一（活动轴）。

幸运的是，Pandas 确实存储了两个轴，因此您可以从它们中获取所有线对象并将它们自己传递给.legend() 命令。鉴于您的示例数据：

您可以完全按照您的方式绘制：

ax = var.total.plot(label='Variance')
ax = shares.average.plot(secondary_y=True, label='Average Age')

ax.set_ylabel('Variance of log wages')
ax.right_ax.set_ylabel('Average age')

ax（左轴）和ax.right_ax 都可以使用这两个轴对象，因此您可以从中获取线对象。 Matplotlib 的 .get_lines() 返回一个列表，因此您可以通过简单的添加合并它们。

lines = ax.get_lines() + ax.right_ax.get_lines()

线条对象有一个标签属性，可用于读取标签并将其传递给.legend() 命令。

ax.legend(lines, [l.get_label() for l in lines], loc='upper center')

以及其余的情节：

ax.set_title('Wage Variance and Mean Age')
plt.show()

编辑：

如果您将 Pandas（数据）和 Matplotlib（绘图）部分更严格地分开，可能不会那么混乱，因此请避免使用 Pandas 内置绘图（无论如何它只包装 Matplotlib）：

fig, ax = plt.subplots()

ax.plot(var.index.to_datetime(), var.total, 'b', label='Variance')
ax.set_ylabel('Variance of log wages')

ax2 = ax.twinx()
ax2.plot(shares.index.to_datetime(), shares.average, 'g' , label='Average Age')
ax2.set_ylabel('Average age')

lines = ax.get_lines() + ax2.get_lines()
ax.legend(lines, [line.get_label() for line in lines], loc='upper center')

ax.set_title('Wage Variance and Mean Age')
plt.show()

【参考方案2】：

当绘制多个系列时，默认情况下不显示图例。 显示自定义图例的简单方法是使用最后绘制的系列/数据帧中的轴（我的代码来自 IPython Notebook）：

%matplotlib inline  # Embed the plot
import matplotlib.pyplot as plt

...
rates[rates.MovieID <= 25].groupby('MovieID').Rating.count().plot()  # blue
(rates[rates.MovieID <= 25].groupby('MovieID').Rating.median() * 1000).plot()  # green
(rates[rates.MovieID <= 25][rates.RateDelta <= 10].groupby('MovieID').Rating.count() * 2000).plot()  # red
ax = (rates[rates.MovieID <= 25][rates.RateDelta <= 10].groupby('MovieID').Rating.median() * 1000).plot()  # cyan

ax.legend(['Popularity', 'RateMedian', 'FirstPpl', 'FirstRM'])

【讨论】：

不适用于辅助轴，辅助轴是这个问题的一部分

【参考方案3】：

您可以使用pd.concat 合并两个数据框，然后绘图使用辅助 y 轴：

import numpy as np  # For generating random data.
import pandas as pd

# Creating data.
np.random.seed(0)
prng = pd.period_range('1/1/2011', '1/1/2012', freq='M')
var = pd.DataFrame(np.random.randn(len(prng)), index=prng, columns=['total'])
shares = pd.DataFrame(np.random.randn(len(prng)), index=prng, columns=['average'])

# Plotting.
ax = (
    pd.concat([var, shares], axis=1)
    .rename(columns=
        'total': 'Variance of Low Wages',
        'average': 'Average Age'
    )
    .plot(
        title='Wage Variance and Mean Age',
        secondary_y='Average Age')
)
ax.set_ylabel('Variance of Low Wages')
ax.right_ax.set_ylabel('Average Age', rotation=-90)