Pandas Dataframe 多色线图

Question

我有一个带有 DateTime 索引和两列代表风速和环境温度的 Pandas 数据框。这是半天的数据

                        temp        winds

2014-06-01 00:00:00     8.754545    0.263636
2014-06-01 01:00:00     8.025000    0.291667
2014-06-01 02:00:00     7.375000    0.391667
2014-06-01 03:00:00     6.850000    0.308333
2014-06-01 04:00:00     7.150000    0.258333
2014-06-01 05:00:00     7.708333    0.375000
2014-06-01 06:00:00     9.008333    0.391667
2014-06-01 07:00:00     10.858333   0.300000
2014-06-01 08:00:00     12.616667   0.341667
2014-06-01 09:00:00     15.008333   0.308333
2014-06-01 10:00:00     17.991667   0.491667
2014-06-01 11:00:00     21.108333   0.491667
2014-06-01 12:00:00     21.866667   0.395238

我想将此数据绘制为一条颜色随温度变化的线。因此，例如从浅红色到深红色，温度越高。

我在 matplotlib 中找到了这个 example of multicolored 行，但我不知道如何将它与 pandas DataFrame 一起使用。有谁知道我能做什么？ 如果可以做到这一点，是否也可以作为附加功能根据风速改变线的宽度？所以风速越快线越宽。

感谢您的帮助！

Answer 1

pandas 中的内置 plot 方法可能无法做到这一点。您需要提取数据并使用matplotlib 绘制它们。

from matplotlib.collections import LineCollection
import matplotlib.dates as mpd

x=mpd.date2num(df.index.to_pydatetime())
y=df.winds.values
c=df['temp'].values
points = np.array([x, y]).T.reshape(-1, 1, 2)
segments = np.concatenate([points[:-1], points[1:]], axis=1)
lc = LineCollection(segments, cmap=plt.get_cmap('copper'), norm=plt.Normalize(0, 10))
lc.set_array(c)
lc.set_linewidth(3)
ax=plt.gca()
ax.add_collection(lc)
plt.xlim(min(x), max(x))
ax.xaxis.set_major_locator(mpd.HourLocator())
ax.xaxis.set_major_formatter(mpd.DateFormatter('%Y-%m-%d:%H:%M:%S'))
_=plt.setp(ax.xaxis.get_majorticklabels(), rotation=70 )
plt.savefig('temp.png')

有两个问题值得一提，

颜色渐变的范围由norm=plt.Normalize(0, 10)控制

pandas 和 matplotlib 绘制时间序列的方式不同，这需要在绘制之前将 df.index 转换为 float。通过修改major_locators，我们将xaxis majorticklabels 恢复为日期时间格式。

当我们想要绘制多条线时，第二个问题可能会导致问题（数据将绘制在两个单独的 x 范围内）：

#follow what is already plotted:
df['another']=np.random.random(13)
print ax.get_xticks()
df.another.plot(ax=ax, secondary_y=True)
print ax.get_xticks(minor=True)

[ 735385.          735385.04166667  735385.08333333  735385.125
  735385.16666667  735385.20833333  735385.25        735385.29166667
  735385.33333333  735385.375       735385.41666667  735385.45833333
  735385.5       ]
[389328 389330 389332 389334 389336 389338 389340]

因此我们需要不使用pandas的.plot()方法：

ax.twinx().plot(x, df.another)