matplotlib 中是否可以有給定數量 (n>2) 的 y 軸？

Question

prices = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]),
                   columns=['a', 'b', 'c'])

我有我的prices數據框，它目前有 3 列。 但在其他時候，它可能有更多或更少的列。 有沒有辦法使用某種twinx()循環來創建所有不同時間序列的折線圖，其中包含（可能）無限數量的 y 軸？

我嘗試了下面的雙循環，但我得到了typeError'd:bTypeError: 'AxesSubplot' object does not support item assignment

# for i in range(0,len(prices.columns)):
#     for column in list(prices.columns):
#         fig, ax[i] = plt.subplots()
#         ax[i].set_xlabel(prices.index()) 
#         ax[i].set_ylabel(column[i]) 
#         ax[i].plot(prices.Date, prices[column]) 
#         ax[i].tick_params(axis ='y') 
# 
#         ax[i+1] = ax[i].twinx() 
#         ax[i+1].set_ylabel(column[i+1]) 
#         ax[i+1].plot(prices.Date, column[i+1]) 
#         ax[i+1].tick_params(axis ='y') 
# 
#         fig.suptitle('matplotlib.pyplot.twinx() function \ Example\n\n', fontweight ="bold") 
#         plt.show() 
# =============================================================================

我相信我明白為什么我會收到錯誤 - ax對象不允許分配i變量。 我希望有一些巧妙的方法來實現這一點。

Answer 1

原來，主要問題是你不應該將 Pandas 繪圖函數與 matplotlib 混合使用，這會導致軸重復。 否則，該實現是從這個matplotlib 示例中直接改編的。

from mpl_toolkits.axes_grid1 import host_subplot
import mpl_toolkits.axisartist as AA
from matplotlib import pyplot as plt
from itertools import cycle
import pandas as pd


#fake data creation with different spread for different axes
#this entire block can be deleted if you import your df
from pandas._testing import rands_array
import numpy as np
fakencol=5
fakenrow=7
np.random.seed(20200916)
df = pd.DataFrame(np.random.randint(1, 10, fakenrow*fakencol).reshape(fakenrow, fakencol), columns=rands_array(2, fakencol))
df = df.multiply(np.power(np.asarray([10]), np.arange(fakencol)))
df.index = pd.date_range("20200916", periods=fakenrow)

#defining a color scheme with unique colors
#if you want to include more than 20 axes, well, what can I say
sc_color = cycle(plt.cm.tab20.colors)

#defining the size of the figure in relation to the number of dataframe columns
#might need adjustment for optimal data presentation
offset = 60
plt.rcParams['figure.figsize'] = 10+df.shape[1], 5

#host figure and first plot
host = host_subplot(111, axes_class=AA.Axes)
h, = host.plot(df.index, df.iloc[:, 0], c=next(sc_color), label=df.columns[0])
host.set_ylabel(df.columns[0])
host.axis["left"].label.set_color(h.get_color())
host.set_xlabel("time")

#plotting the rest of the axes
for i, cols in enumerate(df.columns[1:]):
  
    curr_ax = host.twinx()       

    new_fixed_axis = curr_ax.get_grid_helper().new_fixed_axis
    curr_ax.axis["right"] = new_fixed_axis(loc="right",
                                axes=curr_ax,
                                offset=(offset*i, 0))
    
    curr_p, = curr_ax.plot(df.index, df[cols], c=next(sc_color), label=cols)
    
    curr_ax.axis["right"].label.set_color(curr_p.get_color())
    curr_ax.set_ylabel(cols)
    curr_ax.yaxis.label.set_color(curr_p.get_color())


plt.legend()
plt.tight_layout()
plt.show()

仔細想想 - 將軸平均分配到圖的左側和右側可能會更好。 那好吧。