如何将单独的 Pandas DataFrames 绘制为子图？

Question

我有几个 Pandas DataFrames 共享相同的值范围，但具有不同的列和索引。 调用df.plot()时，我得到单独的绘图图像。 我真正想要的是将它们全部与子情节放在同一个情节中，但不幸的是，我未能提出解决方案，并且非常感谢一些帮助。

Answer 1

您可以使用 matplotlib 手动创建子图，然后使用ax关键字在特定子图上绘制数据帧。 例如对于 4 个子图 (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])
...

这里axes是一个包含不同子图轴的数组，您可以通过索引axes来访问一个。
如果你想要一个共享的 x 轴，那么你可以提供sharex=True给plt.subplots 。

Answer 2

你可以看到例如在演示 joris 答案的文档中。 同样从文档中，您还可以在 pandas plot函数中设置subplots=True和layout=(,) ：

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

你也可以使用fig.add_subplot()如在后所描述这需要副区格参数，如221，222，223，224，等等这里。 可以在这个 ipython notebook 中看到关于 pandas 数据框的很好的绘图示例，包括子图。

Answer 3

您可以使用熟悉的Matplotlib风格调用一个figure和subplot ，但你只需指定当前使用轴plt.gca() 一个例子：

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())

等等...

Answer 4

您可以使用 matplotlib 绘制多个 pandas 数据帧的多个子图，并使用一个简单的技巧来制作所有数据帧的列表。 然后使用 for 循环绘制子图。

工作代码：

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

使用此代码，您可以在任何配置中绘制子图。 您需要定义的行数nrow和列数ncol 。 此外，您需要制作要绘制的数据框df_list列表。

Answer 5

你可以使用这个：

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

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

plt.show()

Answer 6

您可能根本不需要使用 Pandas。 这是 cat 频率的 matplotlib 图：

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()

Answer 7

基于上面的@joris 响应，如果您已经建立了对子图的引用，您也可以使用该引用。 例如，

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

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

Answer 8

如何从具有长（整齐）数据的数据框字典中创建多个图

• 假设：

  • 有一个整洁数据的多个数据框的字典
    • 通过从文件中读取创建
    • 通过将单个数据帧分成多个数据帧创建
  • 类别cat可能重叠，但所有数据帧可能不包含cat所有值
  • hue='cat'

• 由于正在迭代数据帧，因此不能保证每个绘图的颜色映射相同

  • 需要从所有数据帧的唯一'cat'值创建自定义颜色图
  • 由于颜色相同，因此将一个图例放在图的一侧，而不是在每个图上放置一个图例

导入和合成数据

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

创建颜色映射和绘图

# 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()

Answer 9

这是一个工作的熊猫子图示例，其中模式是数据框的列名。

    dpi=200
    figure_size=(20, 10)
    fig, ax = plt.subplots(len(modes), 1, sharex="all", sharey="all", dpi=dpi)
    for i in range(len(modes)):
        ax[i] = pivot_df.loc[:, modes[i]].plot.bar(figsize=(figure_size[0], figure_size[1]*len(modes)),
                                                   ax=ax[i], title=modes[i], color=my_colors[i])
        ax[i].legend()
    fig.suptitle(name)

Answer 10

import numpy as np
import pandas as pd
imoprt matplotlib.pyplot as plt

fig, ax = plt.subplots(2,2)
df = pd.DataFrame({'A':np.random.randint(1,100,10), 
                   'B': np.random.randint(100,1000,10),
                   'C':np.random.randint(100,200,10)})
for ax in ax.flatten():
    df.plot(ax =ax)