如何绘制多个 CSV 文件，每个类别都有单独的图

Question

我有 3 个 CSV 文件。所有文件都包含一列 (column name: Method)。每个 CSV 文件中包含 4 种不同类型的方法。

我可以创建一个plot，其中包含 1 个 CSV 文件的所有 4 种方法。代码如下

ROOT = Path(__file__).resolve().parent
CSVS = [
    ROOT / "CSV_1.csv",
    ROOT / "CSV_2.csv",
    ROOT / "CSV_3.csv",
]

def accuracy_plot():
    for csv in CSVS:
        error_kind = csv.stem[: csv.stem.find("_")]
        data = pd.read_csv(csv)
        plt.figure(figsize=(8, 8))
        sns.scatterplot(x="EC", y="MAE", data=data, hue="Method")
        plt.title("MAE vs EC")
        plt.xlabel("MAE")
        plt.ylabel("EC")
        plt.savefig(error_kind + ".png")

剧情如下图

现在，我想为来自所有 CSV 文件的一种方法和数据创建一个图。更具体地说，我想要一个只显示一种方法信息但来自所有 3 个 CSV 文件的数据的图。在这个图中，我需要使用不同的符号（+、-、*）来识别来自不同数据集的数据。或者我们也可以给它们不同的颜色。最终，我将为 4 种不同的方法绘制 4 种不同的图。

你能告诉我我该怎么做这份工作吗？我使用了seaborn，但如果您想使用matplotlib，欢迎您。

Answer 1

选项 1

1. 我能想到的最简单的方法是将所有文件合并到一个数据帧中
2. 用seaborn.relplot 绘制数据框

• 此选项创建单个 FacetGrid

# create the dataframe from all the csv files
df = pd.concat([pd.read_csv(csv).assign(file=csv.stem) for csv in CSVS]).reset_index(drop=True)

# create the plots
p = sns.relplot(data=df, kind='scatter', col='Method', col_wrap=2, x='EC', y='MAE', hue='file', height=4)

# save
p.savefig("output.png")

选项 2

• 根据编辑中的要求，此选项将为每个 method 创建单独的图。

1. 使用.assign 向数据框添加一列以标识数据来自哪个文件。使用.assign，而不是for循环，来自Simon Bowly。
2. 为给定的method 选择data，并使用hue='file'
3. 设置hue_order，以确保在每个绘图中分配相同的颜色。

import seaborn as sns
import pandas as pd
import matpltlib.pyplot as plt

# create a single dataframe
df = pd.concat([pd.read_csv(csv).assign(file=csv.stem) for csv in CSVS]).reset_index(drop=True)

# plot
for method in df.Method.unique():
    # select data only for the current method
    data = df[df.Method.eq(method)]
    sns.scatterplot(data=data, x='EC', y='MAE', hue='file', hue_order=sorted(df.file.unique()))
    plt.title(method)
    plt.xlim(0, 1)
    plt.savefig(f'{method}.png')
    plt.show() or plt.clf()  # to clear the plot between each loop; pick one

样本数据

import numpy as np
import pandas as pd

def data(method, loc):
    n = 100
    v = np.random.normal(loc=loc, scale=0.01, size=(n,))
    m = np.random.uniform(low=0.0, high=120.0, size=(n,))
    f = np.random.choice(['csv_1', 'csv_2', 'csv_3'], size=(n,))
    met = [method] * n
    d = {'EC': v, 'MAE': m, 'Method': met, 'file': f}
    return pd.DataFrame(d)


samples = [('method_1', 0.05), ('method_1', 0.12),
           ('method_2', 0.053), ('method_2', 0.11), ('method_2', 0.21),
           ('method_3', 0.63), ('method_3', 0.72), ('method_3', 0.9),
           ('method_4', 0.7), ('method_4', 0.8), ('method_4', 0.9)]

np.random.seed(1)
df = pd.concat([data(method, loc) for (method, loc) in samples]).reset_index(drop=True)