Mam kilka ramek Pandas DataFrames, które mają tę samą skalę wartości, ale mają różne kolumny i indeksy. Podczas wywoływania df.plot()otrzymuję oddzielne obrazy fabuły. to, czego naprawdę chcę, to mieć je wszystkie na tej samej działce co wątki poboczne, ale niestety nie udaje mi się znaleźć rozwiązania, jak i byłbym bardzo wdzięczny za pomoc.

Możesz ręcznie utworzyć wykresy podrzędne za pomocą matplotlib, a następnie wykreślić ramki danych na określonym wykresie podrzędnym za pomocą axsłowa kluczowego. Na przykład dla 4 poletek (2x2):

import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2, ncols=2)

df1.plot(ax=axes[0,0])
df2.plot(ax=axes[0,1])
...

Oto axestablica, która zawiera różne osie wykresów pomocniczych, do której można uzyskać dostęp po prostu przez indeksowanie axes.
Jeśli chcesz mieć współdzieloną oś X, możesz to sharex=Truezrobić plt.subplots.

Możesz zobaczyć np. w dokumentacji demonstrującej odpowiedź Jorisa. Również z dokumentacji można było ustawić subplots=Trueiw layout=(,)ramach plotfunkcji pandy :

df.plot(subplots=True, layout=(1,2))

Możesz także użyć, fig.add_subplot()który przyjmuje parametry siatki podplotu, takie jak 221, 222, 223, 224 itp., Jak opisano w poście tutaj . Ładne przykłady wykresów na ramce danych pandy, w tym wątki poboczne , można zobaczyć w tym notatniku ipython .

Możesz użyć znanego stylu Matplotlib, wywołując a figurei subplot, ale wystarczy określić bieżącą oś za pomocą plt.gca(). Przykład:

plt.figure(1)
plt.subplot(2,2,1)
df.A.plot() #no need to specify for first axis
plt.subplot(2,2,2)
df.B.plot(ax=plt.gca())
plt.subplot(2,2,3)
df.C.plot(ax=plt.gca())

itp...

Możesz wykreślić wiele podplotów wielu ramek danych pandy za pomocą matplotlib z prostą sztuczką tworzenia listy wszystkich ramek danych. Następnie użyj pętli for do kreślenia wykresów podrzędnych.

Kod roboczy:

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
# dataframe sample data
df1 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df2 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df3 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df4 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df5 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df6 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
#define number of rows and columns for subplots
nrow=3
ncol=2
# make a list of all dataframes 
df_list = [df1 ,df2, df3, df4, df5, df6]
fig, axes = plt.subplots(nrow, ncol)
# plot counter
count=0
for r in range(nrow):
    for c in range(ncol):
        df_list[count].plot(ax=axes[r,c])
        count=+1

Za pomocą tego kodu można wykreślić podploty w dowolnej konfiguracji. Musisz tylko zdefiniować liczbę wierszy nrowi liczbę kolumn ncol. Musisz także zrobić listę ramek danych, df_listktóre chciałeś wykreślić.

Możesz użyć tego:

fig = plt.figure()
ax = fig.add_subplot(221)
plt.plot(x,y)

ax = fig.add_subplot(222)
plt.plot(x,z)
...

plt.show()

Być może w ogóle nie będziesz musiał używać Pand. Oto wykres matplotlib częstotliwości kotów:

x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)

f, axes = plt.subplots(2, 1)
for c, i in enumerate(axes):
  axes[c].plot(x, y)
  axes[c].set_title('cats')
plt.tight_layout()

Opierając się na powyższej odpowiedzi @joris, jeśli już ustanowiłeś odniesienie do polplotu, możesz również użyć odniesienia. Na przykład,

ax1 = plt.subplot2grid((50,100), (0, 0), colspan=20, rowspan=10)
...

df.plot.barh(ax=ax1, stacked=True)

Jak utworzyć wiele wykresów ze słownika ramek danych z długimi (uporządkowanymi) danymi

• Założenia

  • Istnieje słownik wielu ramek uporządkowanych danych
    • Utworzone przez wczytanie z plików
    • Tworzone przez rozdzielenie pojedynczej ramki danych na wiele ramek danych
  • Kategorie cat,, mogą się na siebie nakładać, ale nie wszystkie ramki danych mogą zawierać wszystkie wartościcat
  • hue='cat'

• Ponieważ ramki danych są iterowane, nie ma gwarancji, że kolory zostaną odwzorowane tak samo dla każdego wykresu

  • Należy utworzyć niestandardową mapę kolorów z unikalnych 'cat'wartości dla wszystkich ramek danych
  • Ponieważ kolory będą takie same, umieść jedną legendę z boku działek zamiast legendy na każdym wykresie

Importy i dane syntetyczne

import pandas as pd
import numpy as np  # used for random data
import random  # used for random data
import matplotlib.pyplot as plt
from matplotlib.patches import Patch  # for custom legend
import seaborn as sns
import math import ceil  # determine correct number of subplot


# synthetic data
df_dict = dict()
for i in range(1, 7):
    np.random.seed(i)
    random.seed(i)
    data_length = 100
    data = {'cat': [random.choice(['A', 'B', 'C']) for _ in range(data_length)],
            'x': np.random.rand(data_length),
            'y': np.random.rand(data_length)}
    df_dict[i] = pd.DataFrame(data)


# display(df_dict[1].head())

  cat         x         y
0   A  0.417022  0.326645
1   C  0.720324  0.527058
2   A  0.000114  0.885942
3   B  0.302333  0.357270
4   A  0.146756  0.908535

Utwórz odwzorowania kolorów i wydrukuj

# create color mapping based on all unique values of cat
unique_cat = {cat for v in df_dict.values() for cat in v.cat.unique()}  # get unique cats
colors = sns.color_palette('husl', n_colors=len(unique_cat))  # get a number of colors
cmap = dict(zip(unique_cat, colors))  # zip values to colors

# iterate through dictionary and plot
col_nums = 3  # how many plots per row
row_nums = math.ceil(len(df_dict) / col_nums)  # how many rows of plots
plt.figure(figsize=(10, 5))  # change the figure size as needed
for i, (k, v) in enumerate(df_dict.items(), 1):
    plt.subplot(row_nums, col_nums, i)  # create subplots
    p = sns.scatterplot(data=v, x='x', y='y', hue='cat', palette=cmap)
    p.legend_.remove()  # remove the individual plot legends
    plt.title(f'DataFrame: {k}')

plt.tight_layout()
# create legend from cmap
patches = [Patch(color=v, label=k) for k, v in cmap.items()]
# place legend outside of plot; change the right bbox value to move the legend up or down
plt.legend(handles=patches, bbox_to_anchor=(1.06, 1.2), loc='center left', borderaxespad=0)
plt.show()