如何为具有不同颜色的每一行绘制某些DataFrame的切片？

Question

我想用不同的颜色为每行（基于行索引）绘制我的Pandas Dataframe某些切片。

我的数据如下所示：

我已经在本教程的帮助下尝试找到一种方法，但是我找不到-可能是由于缺乏技能。

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

df = pd.read_csv("D:\SOF10.csv" , header=None)
df.head()

#Slice interested data
C = df.iloc[:, 2::3]

#Plot Temp base on row index colorfully
C.apply(lambda x: plt.scatter(x.index, x, c='g'))
plt.show()

以下是我的预期情节：

我还想知道是否可以替换切片数据的每一行的平均值，该数据包含在绘图中或绘图旁的图例中的480个值！ 计算图例中某处的均值和位移是可行的（如下图所示），还是通过在图形中自身数据旁边使用小字体位移来计算？

数据样本： 数据

Answer 1

这使情节没有传说

C = df.iloc[:,2::3].stack().reset_index()
C.columns = ['level_0', 'level_1', 'Temperature']

fig, ax = plt.subplots(1,1)
C.plot('level_0', 'Temperature', 
       ax=ax, kind='scatter', 
       c='level_0', colormap='tab20', 
       colorbar=False, legend=True)
ax.set_xlabel('Cycles')
plt.show()

编辑以反映修改后的问题：

1. stack()将您的（切片的）数据帧转换为具有索引（行，列）的序列
2. reset_index()将上面的双级索引重置为level_0 （行）， level_1 （列）。
3. set_xlabel将x轴的标签设置为所需的标签。

编辑2：以下代码产生图例散布：

CC = df.iloc[:,2::3]

fig, ax = plt.subplots(1,1, figsize=(16,9))
labels = CC.mean(axis=1)

for i in CC.index:
    ax.scatter([i]*len(CC.columns[1:]), CC.iloc[i,1:], label=labels[i])

ax.legend()
ax.set_xlabel('Cycles')
ax.set_ylabel('Temperature')
plt.show()

Answer 2

这可能是一个大概的答案。 scatter(c=, cmap=可用于所需的着色。

import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import itertools

df = pd.DataFrame({'a':[34,22,1,34]})
fig, subplot_axes = plt.subplots(1, 1, figsize=(20, 10))  # width, height

colors = ['red','green','blue','purple']
cmap=matplotlib.colors.ListedColormap(colors)

for col in df.columns:
    subplot_axes.scatter(df.index, df[col].values, c=df.index, cmap=cmap, alpha=.9)