如何使用pandas与matplotlib创建3D图表

Question

如何使用pandas与matplotlib创建3D图表

3

我在使用pandas转换数据以便在matplot lib中呈现三维数据时遇到了一些困难。我通常拥有的数据是数字列（通常是时间和某个值）。因此，让我们创建一些测试数据来说明。

import pandas as pd

pattern = ("....1...."
           "....1...."
           "..11111.."
           ".1133311."
           "111393111"
           ".1133311."
           "..11111.."
           "....1...."
           "....1....")

# create the data and coords
Zdata = list(map(lambda d:0 if d == '.' else int(d), pattern))
Zinverse = list(map(lambda d:1 if d == '.' else -int(d), pattern))
Xdata = [x for y in range(1,10) for x in range(1,10)]
Ydata = [y for y in range(1,10) for x in range(1,10)]
# pivot the data into columns
data = [d for d in zip(Xdata,Ydata,Zdata,Zinverse)]

# create the data frame 
df = pd.DataFrame(data, columns=['X','Y','Z',"Zi"], index=zip(Xdata,Ydata))
df.head(5)

编辑：这段数据是演示数据，通常来自需要更多清理和转换才能绘图的数据库查询。在这种情况下，数据已对齐，除了有一个我们不需要的列（Zi）之外，没有问题。

因此，pattern 中的数字被转换为 df 的 Z 列中的高度数据（'Zi' 是反向图像），并且使用该数据帧，我努力想出了这个旋转方法，它由 3 个单独的操作组成。我想知道是否可以更好地实现。

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.cm as cm

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

Xs = df.pivot(index='X', columns='Y', values='X').values
Ys = df.pivot(index='X', columns='Y', values='Y').values
Zs = df.pivot(index='X', columns='Y', values='Z').values

ax.plot_surface(Xs,Ys,Zs, cmap=cm.RdYlGn)

plt.show()

虽然我已经有一些东西在运作，但我感觉肯定有比我现在做的更好的方法。在一个大数据集上，我想做三个透视表可能是绘制图表的一种昂贵方式。是否有更有效的方法来转换这些数据呢？

- Peter Moore

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

- mgc · Accepted Answer

我猜你可以通过不使用pandas（只使用numpy数组）并使用numpy提供的一些方便函数（如linespace和meshgrid）来避免在数据准备过程中执行一些步骤。

我重写了你的代码，尝试保持相同的逻辑和相同的变量名称：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm

pattern = ("....1...."
           "....1...."
           "..11111.."
           ".1133311."
           "111393111"
           ".1133311."
           "..11111.."
           "....1...."
           "....1....")


# Extract the value according to your logic
Zdata = list(map(lambda d:0 if d == '.' else int(d), pattern))

# Assuming the pattern is always a square
size = int(len(Zdata) ** 0.5)

# Create a mesh grid for plotting the surface
Xdata = np.linspace(1, size, size)
Ydata = np.linspace(1, size, size)
Xs, Ys = np.meshgrid(Xdata, Ydata)

# Convert the Zdata to a numpy array with the appropriate shape
Zs = np.array(Zdata).reshape((size, size))

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# Plot the surface
ax.plot_surface(Xs, Ys, Zs, cmap=cm.RdYlGn)
plt.show()