代码之家 › 专栏 › 技术社区 › Cranjis

seaborn如何按熊猫数据框中每行的色调绘制线条图

data-visualization seaborn matplotlib pandas python

Cranjis · 技术社区 · 4 年前

我有一个数据框

df =
f1.  f2.  f3.  f4.  f5.  g
1.    2.  3.   4.   1.   0 
2.    4.  6.   8.   7.   0
1.    2.  3.   6.   1.   1 
5.    4.  6.   8.   7.   1
9.    2.  7.   5.   1.   0 
8.    4.  2.   4.   5.   1

我想画一个带有误差带的线图,其中每一行是另一个样本,色调由g列决定,值是数字,X轴是列(f1、f2、f3、f4、f5) 可能吗?

0 回复 | 直到 4 年前

David Erickson 4 年前

对于这些问题,通常需要使用 .melt() :

import pandas as pd
import seaborn as sns
df1 = df.melt(id_vars='g')
sns.lineplot(data=df1, x='variable', y='value', hue='g')
df1

Out[1]: 
    g variable  value
0   0      f1.    1.0
1   0      f1.    2.0
2   1      f1.    1.0
3   1      f1.    5.0
4   0      f1.    9.0
5   1      f1.    8.0
6   0      f2.    2.0
7   0      f2.    4.0
8   1      f2.    2.0
9   1      f2.    4.0
10  0      f2.    2.0
11  1      f2.    4.0
12  0      f3.    3.0
13  0      f3.    6.0
14  1      f3.    3.0
15  1      f3.    6.0
16  0      f3.    7.0
17  1      f3.    2.0
18  0      f4.    4.0
19  0      f4.    8.0
20  1      f4.    6.0
21  1      f4.    8.0
22  0      f4.    5.0
23  1      f4.    4.0
24  0      f5.    1.0
25  0      f5.    7.0
26  1      f5.    1.0
27  1      f5.    7.0
28  0      f5.    1.0
29  1      f5.    5.0

Trenton McKinney ivirshup 4 年前

使用 pandas.DataFrame.melt
用图形绘制数据 seaborn.pointplot
- 点图表示通过散点图点的位置对数值变量的中心趋势进行的估计,并使用误差条提供该估计周围不确定性的一些指示。
  - mean ,或其他指定的 estimator .
  - 每个点的钢筋将来自 min 到 max 如果 ci 未指定。使用 ci='sd' 用于表示标准偏差的条形图。
- 具体说明 hue='g' 将数据按 'g' .
- dodge 为了便于阅读,将每个点的颜色分开。

import pandas as pd
import seaborn as sns

# sample data
data = {'f1.': [1.0, 2.0, 1.0, 5.0, 9.0, 8.0], 'f2.': [2.0, 4.0, 2.0, 4.0, 2.0, 4.0], 'f3.': [3.0, 6.0, 3.0, 6.0, 7.0, 2.0], 'f4.': [4.0, 8.0, 6.0, 8.0, 5.0, 4.0], 'f5.': [1.0, 7.0, 1.0, 7.0, 1.0, 5.0], 'g': [0, 0, 1, 1, 0, 1]}
df = pd.DataFrame(data)

# reshape the dataframe
dfm = df.melt(id_vars='g')

# plot
p = sns.pointplot(data=dfm, x='variable', y='value', hue='g', ci='sd', dodge=0.25)
p.set_title('Error bars are standard deviation')
p.legend(title='g', bbox_to_anchor=(1.05, 1), loc='upper left')

p = sns.pointplot(data=dfm, x='variable', y='value', hue='g', dodge=0.25)
p.set_title('Error bars are min to max')
p.legend(title='g', bbox_to_anchor=(1.05, 1), loc='upper left')