如何按类别创建散点图

Question

我正在尝试使用Pandas DataFrame对象在pyplot中制作一个简单的散点图，但希望找到一种有效的方法来绘制两个变量，但符号由第三列（key）指定。 我已经尝试过使用df.groupby的各种方法，但都没有成功。下面是一个样本df脚本。这将根据“key1”为标记着色，但我想看到一个带有“key1”类别的图例。我接近了吗？谢谢。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), index = pd.date_range('2010-01-01', freq = 'M', periods = 10), columns = ('one', 'two', 'three'))
df['key1'] = (4,4,4,6,6,6,8,8,8,8)
fig1 = plt.figure(1)
ax1 = fig1.add_subplot(111)
ax1.scatter(df['one'], df['two'], marker = 'o', c = df['key1'], alpha = 0.8)
plt.show()

- user2989613

Answer 1

你可以使用scatter进行此操作，但这需要您的key1具有数字值，并且您将没有图例，正如您所注意到的那样。

对于离散类别，最好只使用plot。 例如：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
np.random.seed(1974)

# Generate Data
num = 20
x, y = np.random.random((2, num))
labels = np.random.choice(['a', 'b', 'c'], num)
df = pd.DataFrame(dict(x=x, y=y, label=labels))

groups = df.groupby('label')

# Plot
fig, ax = plt.subplots()
ax.margins(0.05) # Optional, just adds 5% padding to the autoscaling
for name, group in groups:
    ax.plot(group.x, group.y, marker='o', linestyle='', ms=12, label=name)
ax.legend()

plt.show()

如果你想让东西看起来像是默认的pandas样式，那么只需使用pandas样式表更新rcParams并使用其颜色生成器即可。 （我还稍微调整了图例）：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
np.random.seed(1974)

# Generate Data
num = 20
x, y = np.random.random((2, num))
labels = np.random.choice(['a', 'b', 'c'], num)
df = pd.DataFrame(dict(x=x, y=y, label=labels))

groups = df.groupby('label')

# Plot
plt.rcParams.update(pd.tools.plotting.mpl_stylesheet)
colors = pd.tools.plotting._get_standard_colors(len(groups), color_type='random')

fig, ax = plt.subplots()
ax.set_color_cycle(colors)
ax.margins(0.05)
for name, group in groups:
    ax.plot(group.x, group.y, marker='o', linestyle='', ms=12, label=name)
ax.legend(numpoints=1, loc='upper left')

plt.show()

- Joe Kington

---

在上面的RGB示例中，为什么符号在图例中显示了两次？如何只显示一次？ - Steve Schulist

使用ax.legend(numpoints=1)来仅显示一个标记。通常使用Line2D时有两个标记，并且它们之间经常连接一条线。 - Joe Kington

在ax.plot()命令之后添加plt.hold(True)后，这段代码才对我起作用。 有任何想法为什么会这样吗？ - Yuval Atzmon

set_color_cycle()在matplotlib 1.5中已被弃用。现在有set_prop_cycle()可用。 - a.l.e

非常反直觉，但谢谢！ - Stepan S. Sushko

Answer 2

通过使用Seaborn（pip install seaborn）作为一行代码，这很容易实现。

sns.scatterplot(x_vars="one", y_vars="two", data=df, hue="key1")

import seaborn as sns
import pandas as pd
import numpy as np
np.random.seed(1974)

df = pd.DataFrame(
    np.random.normal(10, 1, 30).reshape(10, 3),
    index=pd.date_range('2010-01-01', freq='M', periods=10),
    columns=('one', 'two', 'three'))
df['key1'] = (4, 4, 4, 6, 6, 6, 8, 8, 8, 8)

sns.scatterplot(x="one", y="two", data=df, hue="key1")

这是参考数据框：

由于您的数据中有三个变量列，您可能希望使用以下方法绘制所有配对维数:

sns.pairplot(vars=["one","two","three"], data=df, hue="key1")

https://rasbt.github.io/mlxtend/user_guide/plotting/category_scatter/是另一个选择。

- Bob Baxley

Answer 3

使用plt.scatter，我只能想到一种方法：使用代理艺术家：

df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), index = pd.date_range('2010-01-01', freq = 'M', periods = 10), columns = ('one', 'two', 'three'))
df['key1'] = (4,4,4,6,6,6,8,8,8,8)
fig1 = plt.figure(1)
ax1 = fig1.add_subplot(111)
x=ax1.scatter(df['one'], df['two'], marker = 'o', c = df['key1'], alpha = 0.8)

ccm=x.get_cmap()
circles=[Line2D(range(1), range(1), color='w', marker='o', markersize=10, markerfacecolor=item) for item in ccm((array([4,6,8])-4.0)/4)]
leg = plt.legend(circles, ['4','6','8'], loc = "center left", bbox_to_anchor = (1, 0.5), numpoints = 1)

结果是：

- CT Zhu

Answer 4

你可以使用df.plot.scatter，并将数组传递给c=参数来定义每个点的颜色。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), index = pd.date_range('2010-01-01', freq = 'M', periods = 10), columns = ('one', 'two', 'three'))
df['key1'] = (4,4,4,6,6,6,8,8,8,8)
colors = np.where(df["key1"]==4,'r','-')
colors[df["key1"]==6] = 'g'
colors[df["key1"]==8] = 'b'
print(colors)
df.plot.scatter(x="one",y="two",c=colors)
plt.show()

- Arjaan Buijk

Answer 5

从 matplotlib 3.1 开始，您可以使用 .legend_elements()。示例显示在 自动创建图例 中。优点是可以使用单个散点调用。

在这种情况下：

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

df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), 
                  index = pd.date_range('2010-01-01', freq = 'M', periods = 10), 
                  columns = ('one', 'two', 'three'))
df['key1'] = (4,4,4,6,6,6,8,8,8,8)


fig, ax = plt.subplots()
sc = ax.scatter(df['one'], df['two'], marker = 'o', c = df['key1'], alpha = 0.8)
ax.legend(*sc.legend_elements())
plt.show()

如果键不是直接以数字给出的话，它看起来会像这样

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

df = pd.DataFrame(np.random.normal(10,1,30).reshape(10,3), 
                  index = pd.date_range('2010-01-01', freq = 'M', periods = 10), 
                  columns = ('one', 'two', 'three'))
df['key1'] = list("AAABBBCCCC")

labels, index = np.unique(df["key1"], return_inverse=True)

fig, ax = plt.subplots()
sc = ax.scatter(df['one'], df['two'], marker = 'o', c = index, alpha = 0.8)
ax.legend(sc.legend_elements()[0], labels)
plt.show()

- ImportanceOfBeingErnest

---

我得到了一个错误，说“PathCollection”对象没有属性“legends_elements”。我的代码如下。fig，ax = plt.subplots（1,1，figsize =（4,4）） scat = ax.scatter（rand_jitter（important_dataframe [“workout_type_int”]，jitter = 0.04），                 important_dataframe [“distance”]，c = color_list，marker ='o'，alpha = 0.9） print（scat.legends_elements（）） ＃ax.legend（* scat.legend_elements（）） - Nandish Patel

@NandishPatel，请检查此答案的第一句话。同时确保不要混淆legends_elements和legend_elements。 - ImportanceOfBeingErnest

是的，谢谢。那是一个笔误（legends/legend）。我已经在做某件事情了六个小时，所以Matplotlib版本没有出现在我的脑海中。我以为我正在使用最新的版本。我很困惑，因为文档上说有这样的方法，但代码却报错了。再次感谢您。我现在可以睡觉了。 - Nandish Patel

Answer 6

您还可以尝试使用专注于声明式可视化的 Altair 或 ggplot。

import numpy as np
import pandas as pd
np.random.seed(1974)

# Generate Data
num = 20
x, y = np.random.random((2, num))
labels = np.random.choice(['a', 'b', 'c'], num)
df = pd.DataFrame(dict(x=x, y=y, label=labels))

Altair 代码

from altair import Chart
c = Chart(df)
c.mark_circle().encode(x='x', y='y', color='label')

ggplot 代码

from ggplot import *
ggplot(aes(x='x', y='y', color='label'), data=df) +\
geom_point(size=50) +\
theme_bw()

- Nipun Batra

Answer 7

虽然有些hacky，但您可以使用one1作为Float64Index来一次性完成所有操作：

df.set_index('one').sort_index().groupby('key1')['two'].plot(style='--o', legend=True)

请注意，从0.20.3版本开始，需要对索引进行排序，而图例显示可能有些奇怪。

- fuglede

Answer 8

Seaborn有一个包装函数scatterplot，可以更高效地完成此操作。

sns.scatterplot(data = df, x = 'one', y = 'two', data =  'key1'])

- yosemite_k