Исходные типы прекрасны, когда они выражают то, что вы хотите выразить.
Например, функция десериализации может возвращать List
, но она не знает тип элемента списка. Таким образом, List
является подходящим типом возврата.
Вы можете использовать scatter
для этого, но для этого нужно иметь числовые значения для вашего key1
, и у вас не будет легенды, как вы заметили.
Лучше просто использовать plot
для таких дискретных категорий. Например:
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
np.random.seed(1974)
# Generate Data
num = 20
x, y = np.random.random((2, num))
labels = np.random.choice(['a', 'b', 'c'], num)
df = pd.DataFrame(dict(x=x, y=y, label=labels))
groups = df.groupby('label')
# Plot
fig, ax = plt.subplots()
ax.margins(0.05) # Optional, just adds 5% padding to the autoscaling
for name, group in groups:
ax.plot(group.x, group.y, marker='o', linestyle='', ms=12, label=name)
ax.legend()
plt.show()
[/g0]
Если вы хотите, чтобы все выглядело как стиль по умолчанию pandas
, просто обновите rcParams
с таблицей стилей панд и используйте свой генератор цветов. (Я также немного изменяю легенду):
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
np.random.seed(1974)
# Generate Data
num = 20
x, y = np.random.random((2, num))
labels = np.random.choice(['a', 'b', 'c'], num)
df = pd.DataFrame(dict(x=x, y=y, label=labels))
groups = df.groupby('label')
# Plot
plt.rcParams.update(pd.tools.plotting.mpl_stylesheet)
colors = pd.tools.plotting._get_standard_colors(len(groups), color_type='random')
fig, ax = plt.subplots()
ax.set_color_cycle(colors)
ax.margins(0.05)
for name, group in groups:
ax.plot(group.x, group.y, marker='o', linestyle='', ms=12, label=name)
ax.legend(numpoints=1, loc='upper left')
plt.show()
[/g1]
Вы можете использовать df.plot.scatter и передать массив в c = аргумент, определяющий цвет каждой точки:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), index = pd.date_range('2010-01-01', freq = 'M', periods = 10), columns = ('one', 'two', 'three'))
df['key1'] = (4,4,4,6,6,6,8,8,8,8)
colors = np.where(df["key1"]==4,'r','-')
colors[df["key1"]==6] = 'g'
colors[df["key1"]==8] = 'b'
print(colors)
df.plot.scatter(x="one",y="two",c=colors)
plt.show()
Это просто сделать с Seaborn (pip install seaborn
) как oneliner
sns.pairplot(x_vars=["one"], y_vars=["two"], data=df, hue="key1", size=5)
:
import seaborn as sns
import pandas as pd
import numpy as np
np.random.seed(1974)
df = pd.DataFrame(
np.random.normal(10, 1, 30).reshape(10, 3),
index=pd.date_range('2010-01-01', freq='M', periods=10),
columns=('one', 'two', 'three'))
df['key1'] = (4, 4, 4, 6, 6, 6, 8, 8, 8, 8)
sns.pairplot(x_vars=["one"], y_vars=["two"], data=df, hue="key1", size=5)
Вот кадр данных для ссылки:
Поскольку у вас есть три столбца переменной в ваших данных, вы можете хотите построить все парные размеры с помощью:
sns.pairplot(vars=["one","two","three"], data=df, hue="key1", size=5)
https://rasbt.github.io/mlxtend/user_guide/plotting / category_scatter / - это еще один вариант.
С помощью plt.scatter
я могу только думать об одном: использовать прокси-исполнителя:
df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), index = pd.date_range('2010-01-01', freq = 'M', periods = 10), columns = ('one', 'two', 'three'))
df['key1'] = (4,4,4,6,6,6,8,8,8,8)
fig1 = plt.figure(1)
ax1 = fig1.add_subplot(111)
x=ax1.scatter(df['one'], df['two'], marker = 'o', c = df['key1'], alpha = 0.8)
ccm=x.get_cmap()
circles=[Line2D(range(1), range(1), color='w', marker='o', markersize=10, markerfacecolor=item) for item in ccm((array([4,6,8])-4.0)/4)]
leg = plt.legend(circles, ['4','6','8'], loc = "center left", bbox_to_anchor = (1, 0.5), numpoints = 1)
И результат:
[/g0]
Это довольно хаки, но вы можете использовать one1
как Float64Index
, чтобы сделать все за один раз:
df.set_index('one').sort_index().groupby('key1')['two'].plot(style='--o', legend=True)
Заметим, что с 0.20.3 сортировка индекса необходима , а легенда - бит wonky .
Вы также можете попробовать Altair или ggpot , которые сфокусированы на декларативной визуализации.
import numpy as np
import pandas as pd
np.random.seed(1974)
# Generate Data
num = 20
x, y = np.random.random((2, num))
labels = np.random.choice(['a', 'b', 'c'], num)
df = pd.DataFrame(dict(x=x, y=y, label=labels))
from altair import Chart
c = Chart(df)
c.mark_circle().encode(x='x', y='y', color='label')
from ggplot import *
ggplot(aes(x='x', y='y', color='label'), data=df) +\
geom_point(size=50) +\
theme_bw()
ax.legend(numpoints=1)
, чтобы показать только один маркер. Есть два, как и сLine2D
, часто есть линия, соединяющая два маркера. – Joe Kington 11 June 2015 в 13:58plt.hold(True)
после командыax.plot()
. Любая идея почему? – yuval 29 November 2016 в 18:50