使用Python、Pandas和Matplotlib创建类似于R Lattice的图表

Question

使用Python、Pandas和Matplotlib创建类似于R Lattice的图表

6

我有一个pandas数据框，其中包含“因子”（浮点数和整数）。我想使用分类变量的条件和分组来制作“R Lattice”类似的图。我经常使用R，并编写自定义面板函数，以便将图形格式化为我想要的样子，但是我在使用matplotlib时很难做到同样简洁地绘制这些图形。我正在尝试使用布局和subplot2grid，但似乎无法做到完美。

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

nRows = 500
df = pd.DataFrame({'c1' : np.random.choice(['A','B','C','D'], size=nRows),
               'c2' : np.random.choice(['P','Q','R'], size=nRows),
               'i1' : np.random.randint(20,50, nRows),
               'i2' : np.random.randint(0,10, nRows),
               'x1' : 3 * np.random.randn(nRows) + 90,
               'x2' : 2 * np.random.randn(nRows) + 89})

我想绘制以下内容（R lattice代码示例）：

c1的每个级别上，x1与x2的关系（lattice代码）

xyplot(x1 ~ x2 | c1, data = df)

在“全局”图例c2（符号或颜色）下，针对每个c1级别的x1与x2进行比较。

xyplot(x1 ~ x2 | c1, groups = c2, data = df)

每个c2的x1直方图

hist (~x1 | c1, data = df)

我也想制作类似于此处（1.4.4.4）生成的“有条件”的等高线图。

https://scipy-lectures.github.io/intro/matplotlib/matplotlib.html

我已经阅读了这些示例：

http://nbviewer.ipython.org/github/fonnesbeck/Bios366/blob/master/notebooks/Section2_4-Matplotlib.ipynb

然而，我希望布局是根据分类条件（或“按”变量）中的级数生成的。即指定列数，行数将基于级数计算。

感谢任何好的建议或正确方向的步骤。我不想使用rpy2或python ggplot（我尝试过它们-发现它们令人沮丧且限制太多）。

谢谢！ Randall

- Randall Goodwin

pandas中有一些关于trellis plots的实验性代码：http://pandas.pydata.org/pandas-docs/stable/rplot.html。这对你有帮助吗？另请参考http://ggplot.yhathq.com/，它类似于R中的ggplot，支持facet grids。 - joris

你能为轮廓图问题添加一些例子吗？ Seaborn具有六角形箱和二维kde图的功能，我认为这可以满足您的需求。 - b10n

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- b10n · Accepted Answer

Seaborn是我在Python中发现的最有效的用于制作多面板绘图的库。它是matplotlib的一个pandas感知包装器，可以为您处理所有子图，并更新matplotlib样式以使其看起来更现代化。它可以产生一些非常美丽的输出。

使用该库的grid部分进行分面。与R不同的是，您需要先创建网格，然后将数据和所需的分面（行、列、颜色等）传递给它。然后，您可以将绘图函数映射到该网格上，并将任何必需的参数传递给映射的绘图函数。

#scatter plot one factor
import seaborn as sns
grid1 = sns.FacetGrid(df, col='c1')
grid1.map(plt.scatter, 'x1', 'x2')


#scatter plot with column and hue factor
grid2 = sns.FacetGrid(df, col='c1', hue='c2')
grid2.map(plt.scatter, 'x1', 'x2')


#histogram with one factor
grid3 = sns.FacetGrid(df, col='c1')
grid3.map(plt.hist, 'x1', alpha=.7)