pandas，matplotlib，使用数据框索引作为轴刻度标签

Question

我正在使用 matplotlib 的 imshow() 函数来显示 pandas.DataFrame。

我想从 DataFrame.index 和 DataFrame.columns 列表中绘制 x 轴和 y 轴的标签和刻度，但我不知道该怎么做。

假设data 是pandas.DataFrame：

>>> print data
<class 'pandas.core.frame.DataFrame'>
Index: 201 entries,  1901 to  2101
Data columns:
jan    201  non-null values
feb    201  non-null values
mar    201  non-null values
apr    201  non-null values
may    201  non-null values
jun    201  non-null values
jul    201  non-null values
aug    201  non-null values
sep    201  non-null values
oct    201  non-null values
nov    201  non-null values
dec    201  non-null values

当我这样做时：

ax1 = fig.add_subplot(131, xticklabels=data.columns, yticklabels=data.index)
ax1.set_title("A")
ax1.tick_params(axis='both', direction='out')
im1 = ax1.imshow(data, 
                 interpolation='nearest', 
                 aspect='auto',
                 cmap=cmap )

我最终在图像的 y 轴上得到了间隔很好的刻度标签，但标签是 1901-1906 而不是 1901 到 2101。同样，x 轴刻度标签是 feb-jul 而不是 jan-dec。

如果我使用

ax1 = fig.add_subplot(131) # without specifying tick labels

然后我最终得到的轴刻度标签只是底层的 ndarray 索引值（即 0-201 和 0-12）。我不需要修改刻度和标签的间距或数量，我只希望标签文本来自 DataFrame 索引和列列表。不确定我是否遗漏了一些简单的东西？

提前致谢。

Answer 1

我认为问题与为现有刻度指定刻度标签有关。默认情况下，刻度比标签少，因此只使用前几个标签。以下应该首先设置刻度数。

ax1 = fig.add_subplot(131)
ax1.set_title("A")
ax1.tick_params(axis='both', direction='out')
ax1.set_xticks(range(len(data.columns)))
ax1.set_xticklabels(data.columns)
ax1.set_yticks(range(len(data.index)))
ax1.set_yticklabels(data.index)
im1 = ax1.imshow(data, interpolation='nearest', aspect='auto', cmap=cmap)

这会在 y 轴上为每年生成一个刻度，因此您可能希望使用索引值的子集。

Answer 2

我发现最简单的方法是使用ImageGrid。这是执行此操作的代码和绘图 + here is an IPython notebook，它以更美观的格式显示它：

mons = ['Jan',
 'Feb',
 'Mar',
 'Apr',
 'May',
 'Jun',
 'Jul',
 'Aug',
 'Sep',
 'Oct',
 'Nov',
 'Dec']

# just get the first 5 for illustration purposes
df = DataFrame(randn(201, len(mons)), columns=mons,
               index=arange(1901, 2102))[:5]

from mpl_toolkits.axes_grid1 import ImageGrid
fig = figure(figsize=(20, 100))
grid = ImageGrid(fig, 111, nrows_ncols=(1, 1),
                 direction='row', axes_pad=0.05, add_all=True,
                 label_mode='1', share_all=False,
                 cbar_location='right', cbar_mode='single',
                 cbar_size='10%', cbar_pad=0.05)

ax = grid[0]
ax.set_title('A', fontsize=40)
ax.tick_params(axis='both', direction='out', labelsize=20)
im = ax.imshow(df.values, interpolation='nearest', vmax=df.max().max(),
               vmin=df.min().min())
ax.cax.colorbar(im)
ax.cax.tick_params(labelsize=20)
ax.set_xticks(arange(df.shape[1]))
ax.set_xticklabels(mons)
ax.set_yticks(arange(df.shape[0]))
ax.set_yticklabels(df.index)

Answer 3

作为一般解决方案，我发现以下方法是将 Pandas datetime64 索引引入 matplotlib 轴标签的简单方法。

首先，通过将 pandas datetime64 索引转换为 Python datetime.datetime 类来创建一个新系列。

new_series = your_pandas_dataframe.index.to_pydatetime()

现在您拥有了 matplotlib.dates 的所有功能。在绘图之前，将 matplotlib.dates 导入为 mdates 并声明以下变量：

years = mdates.YearLocator()   
months = mdates.MonthLocator()  
days = mdates.DayLocator()
hours = mdates.HourLocator(12) #if you want ticks every 12 hrs, you can pass 12 to this function
minutes = mdates.MinuteLocator() 
daysFmt = mdates.DateFormatter('%m/%d') #or whatever format you want

现在，使用 new_series 作为 x 轴来制作绘图：

fig1 = plt.figure()
ax = fig1.add_subplot(111)
ax.plot(new_series,your_pandas_dataframe)

您可以使用上面声明的 mdates 函数来调整标签和刻度以使您满意，例如：

ax.xaxis.set_major_locator(days)
ax.xaxis.set_major_formatter(daysFmt)
ax.xaxis.set_minor_locator(hours)