如何绘制具有多个轴的 pandas DataFrame，每个轴呈现多个列？
How to plot a pandas DataFrame with multiple axes each rendering multiple columns?
我正在寻找一个可以按如下方式工作的函数：
import pandas as pd
def plot_df(df: pd.DataFrame, x_column: str, columns: List[List[str]]):
"""Plot DataFrame using `x_column` on the x-axis and `len(columns)` different
y-axes where the axis numbered `i` is calibrated to render the columns in `columns[i]`.
Important: only 1 legend exists for the plot
Important: each column has a distinct color
If you wonder what colors axes should have, they can assume one of the line colors and just have a label associated (e.g., one axis for price, another for returns, another for growth)
"""
例如，对于包含列 time, price1, price2, returns, growth 的 DataFrame，您可以这样称呼它：
plot_df(df, 'time', [['price1', 'price2'], ['returns'], ['growth']])
这将导致图表具有：
- 3 个 y 轴
price1 和 price2 的 y 轴将被共享- 每个轴将独立校准
我已经查看了一些不适用于此的解决方案。
可能的解决方案#1：
https://matplotlib.org/stable/gallery/ticks_and_spines/multiple_yaxis_with_spines.html
在这个例子中，每个轴只能容纳一列，所以是错误的。特别是在下面的代码中，每个轴都有一个系列：
p1, = ax.plot([0, 1, 2], [0, 1, 2], "b-", label="Density")
p2, = twin1.plot([0, 1, 2], [0, 3, 2], "r-", label="Temperature")
p3, = twin2.plot([0, 1, 2], [50, 30, 15], "g-", label="Velocity")
如果您向该轴添加另一个图，相同的颜色最终会重复：
此外，此版本不使用数据框的内置plot()功能。
可能的解决方案#2：
PANDAS plot multiple Y axes
在此示例中，每个轴也只能容纳数据框中的一列。
可能的解决方案#3：
尝试通过将 df.A 更改为 df[['A', 'B']] 来调整解决方案 2，但这并不能奏效，因为它会导致这两列共享相同的轴颜色以及弹出多个图例.
所以 - 询问 pandas/matplotlib 专家是否可以想出如何克服这个问题！
我假设您正在使用这样的数据框：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
df = pd.DataFrame({'time': pd.date_range(start = '2020-01-01', end = '2020-01-10', freq = 'D')})
df['price1'] = np.random.random(len(df))
df['price2'] = np.random.random(len(df))
df['returns'] = np.random.random(len(df))
df['growth'] = np.random.random(len(df))
time price1 price2 returns growth
0 2020-01-01 0.374540 0.020584 0.611853 0.607545
1 2020-01-02 0.950714 0.969910 0.139494 0.170524
2 2020-01-03 0.731994 0.832443 0.292145 0.065052
3 2020-01-04 0.598658 0.212339 0.366362 0.948886
4 2020-01-05 0.156019 0.181825 0.456070 0.965632
5 2020-01-06 0.155995 0.183405 0.785176 0.808397
6 2020-01-07 0.058084 0.304242 0.199674 0.304614
7 2020-01-08 0.866176 0.524756 0.514234 0.097672
8 2020-01-09 0.601115 0.431945 0.592415 0.684233
9 2020-01-10 0.708073 0.291229 0.046450 0.440152
那么一个可能的函数可能是：
def plot_df(df, x_column, columns):
cmap = cm.get_cmap('tab10', 10)
line_styles = ["-", "--", "-.", ":"]
fig, ax = plt.subplots()
axes = [ax]
handles = []
for i, _ in enumerate(range(len(columns) - 1)):
twin = ax.twinx()
axes.append(twin)
twin.spines.right.set_position(("axes", 1 + i/10))
for i, col in enumerate(columns):
if len(col) == 1:
p, = axes[i].plot(df[x_column], df[col[0]], label = col[0], color = cmap(i)[:3])
handles.append(p)
else:
for j, sub_col in enumerate(col):
p, = axes[i].plot(df[x_column], df[sub_col], label = sub_col, color = cmap(i)[:3], linestyle = line_styles[j])
handles.append(p)
ax.legend(handles = handles, frameon = True)
for i, ax in enumerate(axes):
ax.tick_params(axis = 'y', colors = cmap(i)[:3])
if i == 0:
ax.spines['left'].set_color(cmap(i)[:3])
ax.spines['right'].set_visible(False)
else:
ax.spines['left'].set_visible(False)
ax.spines['right'].set_color(cmap(i)[:3])
plt.tight_layout()
plt.show()
如果你调用上面的函数：
plot_df(df, 'time', [['price1', 'price2'], ['returns'], ['growth']])
那么你将得到：
注释
- 由于
price1 和 price2 共享相同的 y 轴，它们必须共享相同的颜色，所以我必须使用不同的 linestyle 才能区分它们。
columns 列表的第一个元素（在本例中为 ['price1', 'price2']）始终绘制在左轴上，其他元素绘制在右轴上。- 如果您想设置轴限制和标签，那么您应该将这些作为附加参数传递给
plot_df。
我假设您正在使用这样的数据框：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
df = pd.DataFrame({'time': pd.date_range(start = '2020-01-01', end = '2020-01-10', freq = 'D')})
df['price1'] = np.random.random(len(df))
df['price2'] = np.random.random(len(df))
df['returns'] = np.random.random(len(df))
df['growth'] = np.random.random(len(df))
time price1 price2 returns growth
0 2020-01-01 0.374540 0.020584 0.611853 0.607545
1 2020-01-02 0.950714 0.969910 0.139494 0.170524
2 2020-01-03 0.731994 0.832443 0.292145 0.065052
3 2020-01-04 0.598658 0.212339 0.366362 0.948886
4 2020-01-05 0.156019 0.181825 0.456070 0.965632
5 2020-01-06 0.155995 0.183405 0.785176 0.808397
6 2020-01-07 0.058084 0.304242 0.199674 0.304614
7 2020-01-08 0.866176 0.524756 0.514234 0.097672
8 2020-01-09 0.601115 0.431945 0.592415 0.684233
9 2020-01-10 0.708073 0.291229 0.046450 0.440152
那么一个可能的函数可能是：
def plot_df(df, x_column, columns):
cmap = cm.get_cmap('tab10', 10)
fig, ax = plt.subplots()
axes = [ax]
handles = []
for i, _ in enumerate(range(len(columns) - 1)):
twin = ax.twinx()
axes.append(twin)
twin.spines.right.set_position(("axes", 1 + i/10))
j = 0
for i, col in enumerate(columns):
ylabel = []
if len(col) == 1:
p, = axes[i].plot(df[x_column], df[col[0]], label = col[0], color = cmap(j)[:3])
ylabel.append(col[0])
handles.append(p)
j += 1
else:
for sub_col in col:
p, = axes[i].plot(df[x_column], df[sub_col], label = sub_col, color = cmap(j)[:3])
ylabel.append(sub_col)
handles.append(p)
j += 1
axes[i].set_ylabel(', '.join(ylabel))
ax.legend(handles = handles, frameon = True)
plt.tight_layout()
plt.show()
如果你调用上面的函数：
plot_df(df, 'time', [['price1', 'price2'], ['returns'], ['growth']])
那么你将得到：
注释
列列表的第一个元素（在本例中为 ['price1', 'price2']）始终绘制在左轴上，其他元素绘制在右轴上。
您可以将轴从 df 链接到 df。
import pandas as pd
import numpy as np
创建数据并将其放入 df。
x=np.arange(0,2*np.pi,0.01)
b=np.sin(x)
c=np.cos(x)*10
d=np.sin(x+np.pi/4)*100
e=np.sin(x+np.pi/3)*50
df = pd.DataFrame({'x':x,'y1':b,'y2':c,'y3':d,'y4':e})
定义第一个图和后续轴
ax1 = df.plot(x='x',y='y1',legend=None,color='black',figsize=(10,8))
ax2 = ax1.twinx()
ax2.tick_params(axis='y', labelcolor='r')
ax3 = ax1.twinx()
ax3.spines['right'].set_position(('axes',1.15))
ax3.tick_params(axis='y', labelcolor='g')
ax4=ax1.twinx()
ax4.spines['right'].set_position(('axes',1.30))
ax4.tick_params(axis='y', labelcolor='b')
想加多少就加多少...
绘制余数。
df.plot(x='x',y='y2',ax=ax2,color='r',legend=None)
df.plot(x='x',y='y3',ax=ax3,color='g',legend=None)
df.plot(x='x',y='y4',ax=ax4,color='b',legend=None)
Results:
我正在寻找一个可以按如下方式工作的函数：
import pandas as pd
def plot_df(df: pd.DataFrame, x_column: str, columns: List[List[str]]):
"""Plot DataFrame using `x_column` on the x-axis and `len(columns)` different
y-axes where the axis numbered `i` is calibrated to render the columns in `columns[i]`.
Important: only 1 legend exists for the plot
Important: each column has a distinct color
If you wonder what colors axes should have, they can assume one of the line colors and just have a label associated (e.g., one axis for price, another for returns, another for growth)
"""
例如，对于包含列 time, price1, price2, returns, growth 的 DataFrame，您可以这样称呼它：
plot_df(df, 'time', [['price1', 'price2'], ['returns'], ['growth']])
这将导致图表具有：
- 3 个 y 轴
price1和price2的 y 轴将被共享- 每个轴将独立校准
我已经查看了一些不适用于此的解决方案。
可能的解决方案#1：
https://matplotlib.org/stable/gallery/ticks_and_spines/multiple_yaxis_with_spines.html
在这个例子中，每个轴只能容纳一列，所以是错误的。特别是在下面的代码中，每个轴都有一个系列：
p1, = ax.plot([0, 1, 2], [0, 1, 2], "b-", label="Density")
p2, = twin1.plot([0, 1, 2], [0, 3, 2], "r-", label="Temperature")
p3, = twin2.plot([0, 1, 2], [50, 30, 15], "g-", label="Velocity")
如果您向该轴添加另一个图，相同的颜色最终会重复：
此外，此版本不使用数据框的内置plot()功能。
可能的解决方案#2：
PANDAS plot multiple Y axes
在此示例中，每个轴也只能容纳数据框中的一列。
可能的解决方案#3：
尝试通过将 df.A 更改为 df[['A', 'B']] 来调整解决方案 2，但这并不能奏效，因为它会导致这两列共享相同的轴颜色以及弹出多个图例.
所以 - 询问 pandas/matplotlib 专家是否可以想出如何克服这个问题！
我假设您正在使用这样的数据框：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
df = pd.DataFrame({'time': pd.date_range(start = '2020-01-01', end = '2020-01-10', freq = 'D')})
df['price1'] = np.random.random(len(df))
df['price2'] = np.random.random(len(df))
df['returns'] = np.random.random(len(df))
df['growth'] = np.random.random(len(df))
time price1 price2 returns growth
0 2020-01-01 0.374540 0.020584 0.611853 0.607545
1 2020-01-02 0.950714 0.969910 0.139494 0.170524
2 2020-01-03 0.731994 0.832443 0.292145 0.065052
3 2020-01-04 0.598658 0.212339 0.366362 0.948886
4 2020-01-05 0.156019 0.181825 0.456070 0.965632
5 2020-01-06 0.155995 0.183405 0.785176 0.808397
6 2020-01-07 0.058084 0.304242 0.199674 0.304614
7 2020-01-08 0.866176 0.524756 0.514234 0.097672
8 2020-01-09 0.601115 0.431945 0.592415 0.684233
9 2020-01-10 0.708073 0.291229 0.046450 0.440152
那么一个可能的函数可能是：
def plot_df(df, x_column, columns):
cmap = cm.get_cmap('tab10', 10)
line_styles = ["-", "--", "-.", ":"]
fig, ax = plt.subplots()
axes = [ax]
handles = []
for i, _ in enumerate(range(len(columns) - 1)):
twin = ax.twinx()
axes.append(twin)
twin.spines.right.set_position(("axes", 1 + i/10))
for i, col in enumerate(columns):
if len(col) == 1:
p, = axes[i].plot(df[x_column], df[col[0]], label = col[0], color = cmap(i)[:3])
handles.append(p)
else:
for j, sub_col in enumerate(col):
p, = axes[i].plot(df[x_column], df[sub_col], label = sub_col, color = cmap(i)[:3], linestyle = line_styles[j])
handles.append(p)
ax.legend(handles = handles, frameon = True)
for i, ax in enumerate(axes):
ax.tick_params(axis = 'y', colors = cmap(i)[:3])
if i == 0:
ax.spines['left'].set_color(cmap(i)[:3])
ax.spines['right'].set_visible(False)
else:
ax.spines['left'].set_visible(False)
ax.spines['right'].set_color(cmap(i)[:3])
plt.tight_layout()
plt.show()
如果你调用上面的函数：
plot_df(df, 'time', [['price1', 'price2'], ['returns'], ['growth']])
那么你将得到：
注释
- 由于
price1和price2共享相同的 y 轴，它们必须共享相同的颜色，所以我必须使用不同的linestyle才能区分它们。 columns列表的第一个元素（在本例中为['price1', 'price2']）始终绘制在左轴上，其他元素绘制在右轴上。- 如果您想设置轴限制和标签，那么您应该将这些作为附加参数传递给
plot_df。
我假设您正在使用这样的数据框：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
df = pd.DataFrame({'time': pd.date_range(start = '2020-01-01', end = '2020-01-10', freq = 'D')})
df['price1'] = np.random.random(len(df))
df['price2'] = np.random.random(len(df))
df['returns'] = np.random.random(len(df))
df['growth'] = np.random.random(len(df))
time price1 price2 returns growth
0 2020-01-01 0.374540 0.020584 0.611853 0.607545
1 2020-01-02 0.950714 0.969910 0.139494 0.170524
2 2020-01-03 0.731994 0.832443 0.292145 0.065052
3 2020-01-04 0.598658 0.212339 0.366362 0.948886
4 2020-01-05 0.156019 0.181825 0.456070 0.965632
5 2020-01-06 0.155995 0.183405 0.785176 0.808397
6 2020-01-07 0.058084 0.304242 0.199674 0.304614
7 2020-01-08 0.866176 0.524756 0.514234 0.097672
8 2020-01-09 0.601115 0.431945 0.592415 0.684233
9 2020-01-10 0.708073 0.291229 0.046450 0.440152
那么一个可能的函数可能是：
def plot_df(df, x_column, columns):
cmap = cm.get_cmap('tab10', 10)
fig, ax = plt.subplots()
axes = [ax]
handles = []
for i, _ in enumerate(range(len(columns) - 1)):
twin = ax.twinx()
axes.append(twin)
twin.spines.right.set_position(("axes", 1 + i/10))
j = 0
for i, col in enumerate(columns):
ylabel = []
if len(col) == 1:
p, = axes[i].plot(df[x_column], df[col[0]], label = col[0], color = cmap(j)[:3])
ylabel.append(col[0])
handles.append(p)
j += 1
else:
for sub_col in col:
p, = axes[i].plot(df[x_column], df[sub_col], label = sub_col, color = cmap(j)[:3])
ylabel.append(sub_col)
handles.append(p)
j += 1
axes[i].set_ylabel(', '.join(ylabel))
ax.legend(handles = handles, frameon = True)
plt.tight_layout()
plt.show()
如果你调用上面的函数：
plot_df(df, 'time', [['price1', 'price2'], ['returns'], ['growth']])
那么你将得到：
注释
列列表的第一个元素（在本例中为 ['price1', 'price2']）始终绘制在左轴上，其他元素绘制在右轴上。
您可以将轴从 df 链接到 df。
import pandas as pd
import numpy as np
创建数据并将其放入 df。
x=np.arange(0,2*np.pi,0.01)
b=np.sin(x)
c=np.cos(x)*10
d=np.sin(x+np.pi/4)*100
e=np.sin(x+np.pi/3)*50
df = pd.DataFrame({'x':x,'y1':b,'y2':c,'y3':d,'y4':e})
定义第一个图和后续轴
ax1 = df.plot(x='x',y='y1',legend=None,color='black',figsize=(10,8))
ax2 = ax1.twinx()
ax2.tick_params(axis='y', labelcolor='r')
ax3 = ax1.twinx()
ax3.spines['right'].set_position(('axes',1.15))
ax3.tick_params(axis='y', labelcolor='g')
ax4=ax1.twinx()
ax4.spines['right'].set_position(('axes',1.30))
ax4.tick_params(axis='y', labelcolor='b')
想加多少就加多少...
绘制余数。
df.plot(x='x',y='y2',ax=ax2,color='r',legend=None)
df.plot(x='x',y='y3',ax=ax3,color='g',legend=None)
df.plot(x='x',y='y4',ax=ax4,color='b',legend=None)
Results: