在循环中使用pandas子图

Question

我有这样的代码，可以在1行6列中很好地绘制我的图表，但尝试将其绘制在2x3或3x2中却失败了。在pandas的.plot()实现中是否有我忽略的东西？

fig, axes = plt.subplots(nrows=1, ncols=6)
spfvL = [6, 11, 22, 33, 44, 55]
for j, i in enumerate(spfvL):
    df['spfv' + str(i)] = pd.rolling_std(df['r VIX'], i)*np.sqrt(252)
    res = smf.ols(formula='spfv'+ str(i)+' ~ Q(\'VIX Index\')', data=df).fit()
    df['pred'+ str(i)] = better_predict(res, df)
    df.loc[:,['pred' + str(i), 'spfv' + str(i)]].plot(ax=axes[j])

编辑：尝试下面的方法可以获得2x3，但是变化不大。

axes的形状为(2,3)，我无法将正确的参数传递到最后一行ax=axes中。 理想情况下，我应该有类似于ax = axes[x][y]的东西，其中(x,y)在[(0,0),(0,1),(0,2),(1,0),(1,1),(1,2)]中，从而具有与axes完全相同的形状，但是仅仅使用enumerate就能够获得那个“索引”列表...

fig, axes = plt.subplots(nrows=2, ncols=3)
spfvL = [6, 11, 22, 33, 44, 55]
for j, i in enumerate(spfvL):
    df['spfv' + str(i)] = pd.rolling_std(df['r VIX'], i)*np.sqrt(252)
    res = smf.ols(formula='spfv'+ str(i)+' ~ Q(\'VIX Index\')', data=df).fit()
    df['pred'+ str(i)] = better_predict(res, df)
    df.loc[:,['pred' + str(i), 'spfv' + str(i)]].plot(ax=axes[j])

- euri10

---

请[编辑]您的帖子并添加您尝试绘制2x3/3x2的代码。 - MattDMo

Answer 1

由于axes是一个ndarray，我需要一种按索引访问它的方法，而幸运的是，flat方法就可以实现这个目的。

fig, axes = plt.subplots(nrows=2, ncols=3)
spfvL = [6, 11, 22, 33, 44, 55]
for j, i in enumerate(spfvL):
    df['spfv' + str(i)] = pd.rolling_std(df['r VIX'], i) * np.sqrt(252)
    res = smf.ols(formula='spfv'+ str(i)+' ~ Q(\'VIX Index\')', data=df).fit()
    df['pred'+ str(i)] = better_predict(res, df)
    df.loc[:, ['pred' + str(i), 'spfv' + str(i)]].plot(ax=axes.flat[j])

- euri10

Answer 2

同样地，您也可以执行以下操作：

for i, ax in enumerate(axes.reshape(-1)):
     df[spfvL[i]].plot(ax=ax)

- elyase

Answer 3

或者您可以在循环内添加子图：

fig = plt.figure(figsize=(15, 10))
for j, i in enumerate(spfvL):
    fig.add_subplot(2, 3, i+1)
    df.loc[:, ['pred' + str(i), 'spfv' + str(i)]].plot(ax=axes.flat[j])

- Skippy le Grand Gourou