DataFrame.plot.scatter 和 DataFrame.plot.density() 之间不一致？

Question

以下示例说明了 pandas DataFrame 的散点图和密度图之间的奇怪差异 .. 或者可能是我缺乏理解：

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

n = 25
df = pd.DataFrame({'x': np.random.randn(n), 'y': np.random.randn(n), 'season': np.random.choice(['winter', 'summer'], n)})

plot = df.plot.scatter(x='x', y='y')
plot.get_figure().savefig("test_scatter_all.png")
for s in ['winter', 'summer']:
    sdf = df[df['season'] == s]
    plot = sdf.plot.scatter(x='x', y='y')
    plot.get_figure().savefig("test_scatter_" + s + ".png")

plt.clf()

plot = df['y'].plot.density()
plot.get_figure().savefig("test_density_all.png")
for s in ['winter', 'summer']:
    sdf = df[df['season'] == s]
    plot = sdf['y'].plot.density()
    plot.get_figure().savefig("test_density_" + s + ".png")

让我感到惊讶的是，密度图是相加的，因为冬季图表包括两个密度（“全部”和冬季），而夏季图表包括所有三个密度。 另一方面，散点图仅包含它们自己的点，即冬季图中的冬季值等。
此外，如果没有 plt.clf() 命令，密度图还将包括上一个散点图（夏季）的点。

为什么两种绘图类型之间存在差异？ 这是否意味着在开始新情节之前我应该​​始终使用plt.clf()？

顺便说一句，像我这样使用plot 对象真的有意义吗？我看到我可以用

生成第一个图

df.plot.scatter(x='x', y='y')
plt.savefig("test_scatter_all.png")

那么，捕获plot() 方法的输出有什么意义吗？这是否意味着plot() 方法写入的活动图形对象始终只有一个？

Answer 1

不一致的不是密度和散点，而是dataframe的绘制方式和series的绘制方式：

• 一个系列，Series.plot，被绘制到活动轴上，如果有，则创建一个新图形。

• 一个数据框 DataFrame.plot 被绘制到一个新图上，与是否已经存在无关。

例子：

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

df = pd.DataFrame({'x': np.random.randn(25), 'y': np.random.randn(25), 
                   'season': np.random.choice(['red', 'gold'], 25)})

# This plots the dataframe, and creates two figures
for s in ['red', 'gold']:
    sdf = df[df['season'] == s]
    plot = sdf.plot(kind="line",color=s)
plt.show() 

# This plots a series, and creates a single figure  
for s in ['red', 'gold']:
    sdf = df[df['season'] == s]
    plot = sdf["y"].plot(kind="line",color=s)
plt.show()

这里，sdf.plot 创建了两个图形，而 sdf["y"].plot 绘制到相同的轴。

---

如果问题是要在图中保留先前绘制的密度，您可以绘制此密度，添加另一个密度，保存图形并最后删除第二个图，这样您就可以得到第一个密度图，准备绘制其他内容给它。

import numpy as np
import pandas as pd

df = pd.DataFrame({'x': np.random.randn(25), 'y': np.random.randn(25), 
                   'season': np.random.choice(['red', 'gold'], 25)})

ax = df['y'].plot.density()
for s in ['red', 'gold']:
    sdf = df[df['season'] == s]
    sdf["y"].plot.density(color=s)
    ax.get_figure().savefig("test_density_" + s + ".png")
    ax.lines[-1].remove()