Pandas 散点图分类和时间序列轴

Posted 2023-03-11

【中文标题】Pandas 散点图分类和时间序列轴

【英文标题】：Pandas scatterplot categorical and timeseries axes

【发布时间】：2015-11-28 05:02:49

【问题描述】：

我希望创建一个类似于 nltk 的词汇分散图的图表，但我正在绘制一个空白如何构建它。我在想 scatter 将是我最好的geom，使用'|'作为标记，并设置alpha，但我在设置参数时遇到了各种问题。下面是一个例子：

我在 5 年期间使用日期时间索引 freq='D' 排列数据框，每列代表该日期使用的特定单词的计数。 例如：

tst = pd.DataFrame(index=pd.date_range(datetime.datetime(2010, 1, 1), end=datetime.datetime(2010, 2, 1), freq='D'), data=[[randint(0, 5), randint(0, 1), randint(0, 2)] for x in range(32)])

目前我正在尝试类似于以下内容：

plt.figure()
tst.plot(kind='scatter', x=tst.index, y=tst.columns, marker='|', color=sns.xkcd_rgb['dodger blue'], alpha=.05, legend=False)
yticks = plt.yticks()[0]
plt.yticks(yticks, top_words)

上面的代码产生一个 KeyError：

KeyError: "['2009-12-31T19:00:00.000000000-0500' '2010-01-01T19:00:00.000000000-0500'\n '2010-01-02T19:00:00.000000000-0500' '2010-01-03T19:00:00.000000000-0500'\n '2010-01-04T19:00:00.000000000-0500' '2010-01-05T19:00:00.000000000-0500'\n '2010-01-06T19:00:00.000000000-0500' '2010-01-07T19:00:00.000000000-0500'\n '2010-01-08T19:00:00.000000000-0500' '2010-01-09T19:00:00.000000000-0500'\n '2010-01-10T19:00:00.000000000-0500' '2010-01-11T19:00:00.000000000-0500'\n '2010-01-12T19:00:00.000000000-0500' '2010-01-13T19:00:00.000000000-0500'\n '2010-01-14T19:00:00.000000000-0500' '2010-01-15T19:00:00.000000000-0500'\n '2010-01-16T19:00:00.000000000-0500' '2010-01-17T19:00:00.000000000-0500'\n '2010-01-18T19:00:00.000000000-0500' '2010-01-19T19:00:00.000000000-0500'\n '2010-01-20T19:00:00.000000000-0500' '2010-01-21T19:00:00.000000000-0500'\n '2010-01-22T19:00:00.000000000-0500' '2010-01-23T19:00:00.000000000-0500'\n '2010-01-24T19:00:00.000000000-0500' '2010-01-25T19:00:00.000000000-0500'\n '2010-01-26T19:00:00.000000000-0500' '2010-01-27T19:00:00.000000000-0500'\n '2010-01-28T19:00:00.000000000-0500' '2010-01-29T19:00:00.000000000-0500'\n '2010-01-30T19:00:00.000000000-0500' '2010-01-31T19:00:00.000000000-0500'] not in index" 

任何帮助将不胜感激。

在帮助下，我能够生成以下内容：

plt.plot(tst.index, tst, marker='|', color=sns.xkcd_rgb['dodger blue'], alpha=.25, ms=.5, lw=.5)
plt.ylim([-1, 20])
plt.yticks(range(20), top_words)

不幸的是，只有当有相应的栏要在其上构建时，才会显示上面的栏。我的数据不是这样的。

【参考方案1】：

我不确定你是否可以使用.plot 方法来做到这一点。不过，直接在matplotlib里做就很容易了：

plt.plot(tst.index, tst, marker='|', lw=0, ms=10)
plt.ylim([-0.5, 5.5])

【讨论】：

工作几乎完全符合预期。不过，我的轴心确实有一点转变。我对 0 的论点在底部形成一个小条，每隔一个整数形成一条向上的线。我会在我的问题中发布结果。

【参考方案2】：

如果可以安装seaborn，试试stripplot()：

import seaborn as sns
sns.stripplot(data=tst, orient='h', marker='|', edgecolor='blue');

请注意，我更改了您的数据以使其看起来更有趣：

tst = pd.DataFrame(index=pd.date_range(datetime.datetime(2010, 1, 1), end=datetime.datetime(2010, 2, 1), freq='D'), 
                   data=(150000 * np.random.rand(32, 3)).astype('int'))

更多关于seaborn的信息：

http://stanford.edu/~mwaskom/software/seaborn/tutorial/categorical.html

【讨论】：

是的，这很好用。我在文档中遇到过这个模块，但以前无法访问它。我使用的是过时的 seaborn 版本。感谢您的建议！

不过，我确实想说，底部的刻度应该读取日期。从我的原始数据集中，散点应该在列和索引的交点处，根据数据中的度数变暗。