代码之家 › 专栏 › 技术社区 › Trenton McKinney ivirshup

当两个轴都是分类的、y轴是多索引且值是分类的时,如何绘制?

bokeh data-visualization matplotlib pandas python-3.x

1

Trenton McKinney ivirshup · 技术社区 · 7 年前

提供以下数据:

DC,Mode,Mod,Ven,TY1,TY2,TY3,TY4,TY5,TY6,TY7,TY8
Intra,S,Dir,C1,False,False,False,False,False,True,True,False
Intra,S,Co,C1,False,False,False,False,False,False,False,False
Intra,M,Dir,C1,False,False,False,False,False,False,True,False
Inter,S,Co,C1,False,False,False,False,False,False,False,False
Intra,S,Dir,C2,False,True,True,True,True,True,True,False
Intra,S,Co,C2,False,False,False,False,False,False,False,False
Intra,M,Dir,C2,False,False,False,False,False,False,False,False
Inter,S,Co,C2,False,False,False,False,False,False,False,False
Intra,S,Dir,C3,False,False,False,False,True,True,False,False
Intra,S,Co,C3,False,False,False,False,False,False,False,False
Intra,M,Dir,C3,False,False,False,False,False,False,False,False
Inter,S,Co,C3,False,False,False,False,False,False,False,False
Intra,S,Dir,C4,False,False,False,False,False,True,False,True
Intra,S,Co,C4,True,True,True,True,False,True,False,True
Intra,M,Dir,C4,False,False,False,False,False,True,False,True
Inter,S,Co,C4,True,True,True,False,False,True,False,True
Intra,S,Dir,C5,True,True,False,False,False,False,False,False
Intra,S,Co,C5,False,False,False,False,False,False,False,False
Intra,M,Dir,C5,True,True,False,False,False,False,False,False
Inter,S,Co,C5,False,False,False,False,False,False,False,False

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

复制我的 DataFrame

df = pd.read_clipboard(sep=',')

我想创建一个情节,传达与我的例子相同的信息,但不一定具有相同的形状(我愿意接受建议)。我还想把鼠标悬停在这个颜色上,并选择合适的 Ven 显示(例如C1,而不是1):

到目前为止,提供的两个解决方案都很有帮助,而且每一个都完成了我所要寻找的不同方面。但是,我想解决的关键问题是,在编辑之前没有明确说明:

我想在不转换的情况下执行绘图 文氏 给一个 int

我遇到的问题是数据是分类的,而y轴是多索引的。

我已经做了以下工作来转换 数据帧 :

# replace False witn nan
df = df.replace(False, np.nan)

# replace True with a number representing Ven (e.g. C1 = 1)    
def rep_ven(row):
    return row.iloc[4:].replace(True, int(row.Ven[1]))

df.iloc[:, 4:] = df.apply(rep_ven, axis=1)

# drop the Ven column
df = df.drop(columns=['Ven'])

# set multi-index
df_m = df.set_index(['DC', 'Mode', 'Mod'])

绘制转换的 数据帧 生产:

plt.figure(figsize=(20,10))
heatmap = plt.imshow(df_m)
plt.xticks(range(len(df_m.columns.values)), df_m.columns.values)
plt.yticks(range(len(df_m.index)), df_m.index)
plt.show()

文氏 . 这是数据的一个子集,因此图形将非常长,包含所有数据。

2 回复 | 直到 7 年前

1

rje 7 年前

这是我的解决办法。我只是将样式应用于数据帧,而不是打印,请参见 https://pandas.pydata.org/pandas-docs/stable/style.html

# Transform Ven values from "C1", "C2" to 1, 2, ..
df['Ven'] = df['Ven'].str[1]

# Given a specific combination of dc, mode, mod, ven, 
# do we have any True cells?
g = df.groupby(['DC', 'Mode', 'Mod', 'Ven']).any()

# Let's drop any rows with only False values
g = g[g.any(axis=1)]

# Convert True, False to 1, 0
g = g.astype(int)

# Get the values of the ven index as an int array
# Note: we don't want to drop the ven index!!
# Otherwise styling won't work
ven = g.index.get_level_values('Ven').values.astype(int)

# Multiply 1 and 0 with Ven value
g = g.mul(ven, axis=0)

# Sort the index
g.sort_index(ascending=False, inplace=True)

# Now display the dataframe with styling

# first we get a color map
import matplotlib
cmap = matplotlib.cm.get_cmap('tab10')

def apply_color_map(val):
    # hide the 0 values
    if val == 0:
        return 'color: white; background-color: white' 
    else:
        # for non-zero: get color from cmap, convert to hexcode for css
        s = "color:white; background-color: " + matplotlib.colors.rgb2hex(cmap(val))
        return s
g
g.style.applymap(apply_color_map)

可用的matplotlib颜色映射可以在这里看到: Colormap reference Choosing a colormap

2

1

Ernest Li 7 年前

解释 TY1 - TY8 都是 nan this answer 作为创建要显示的交互式注释的起点 Ven .

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

df = pd.read_clipboard(sep=',')

# replace False witn nan
df = df.replace(False, np.nan)

# replace True with a number representing Ven (e.g. C1 = 1)    
def rep_ven(row):
    return row.iloc[4:].replace(True, int(row.Ven[1]))

df.iloc[:, 4:] = df.apply(rep_ven, axis=1)

# drop the Ven column
df = df.drop(columns=['Ven'])

idx = df[['TY1','TY2', 'TY3', 'TY4','TY5','TY6','TY7','TY8']].dropna(thresh=1).index.values
df = df.loc[idx,:].sort_values(by=['DC', 'Mode','Mod'], ascending=False)

# set multi-index
df_m = df.set_index(['DC', 'Mode', 'Mod'])


plt.figure(figsize=(20,10))
heatmap = plt.imshow(df_m)
plt.xticks(range(len(df_m.columns.values)), df_m.columns.values)
plt.yticks(range(len(df_m.index)), df_m.index)
plt.show()