Pandas 多索引绘图

Question

在DataFrame 上执行groupby.sum() 后，我在尝试创建我想要的情节时遇到了一些麻烦。

import pandas as pd
import numpy as np

np.random.seed(365)
rows = 100
data = {'Month': np.random.choice(['2014-01', '2014-02', '2014-03', '2014-04'], size=rows),
        'Code': np.random.choice(['A', 'B', 'C'], size=rows),
        'ColA': np.random.randint(5, 125, size=rows),
        'ColB': np.random.randint(0, 51, size=rows),}
df = pd.DataFrame(data)

     Month Code  ColA  ColB
0  2014-03    C    59    47
1  2014-01    A    24     9
2  2014-02    C    77    50

dfg = df.groupby(['Code', 'Month']).sum()

              ColA  ColB
Code Month              
A    2014-01   124   102
     2014-02   398   282
     2014-03   474   198
     2014-04   830   237
B    2014-01   477   300
     2014-02   591   167
     2014-03   522   192
     2014-04   367   169
C    2014-01   412   180
     2014-02   275   205
     2014-03   795   291
     2014-04   901   309

如何为每个 Code 创建一个子图 (kind='bar')，其中 x 轴是 Month，条形是 ColA 和 ColB？

Answer 1

使用以下 DataFrame ...

# using pandas version 0.14.1
from pandas import DataFrame
import pandas as pd
import matplotlib.pyplot as plt

data = {'ColB': {('A', 4): 3.0,
('C', 2): 0.0,
('B', 4): 51.0,
('B', 1): 0.0,
('C', 3): 0.0,
('B', 2): 7.0,
('Code', 'Month'): '',
('A', 3): 5.0,
('C', 1): 0.0,
('C', 4): 0.0,
('B', 3): 12.0},
'ColA': {('A', 4): 66.0,
('C', 2): 5.0,
('B', 4): 125.0,
('B', 1): 5.0,
('C', 3): 41.0,
('B', 2): 52.0,
('Code', 'Month'): '',
('A', 3): 22.0,
('C', 1): 14.0,
('C', 4): 51.0,
('B', 3): 122.0}}

df = DataFrame(data)

...您可以绘制以下内容（使用横截面）：

f, a = plt.subplots(3,1)
df.xs('A').plot(kind='bar',ax=a[0])
df.xs('B').plot(kind='bar',ax=a[1])
df.xs('C').plot(kind='bar',ax=a[2])

A 一个，B 一个，C 一个，x 轴：“月”，条形为 ColA 和 ColB。 也许这就是你要找的。​​p>

Answer 2

我发现 unstack(level) 方法可以完美地工作，它的另一个好处是不需要先验知道有多少代码。

ax = dfg.unstack(level=0).plot(kind='bar', subplots=True, rot=0, figsize=(9, 7), layout=(2, 3))
plt.tight_layout()

Answer 3

• 创建所需的可视化完全是为了调整数据框以适应绘图 API。
  • seaborn 无需.groupby 或.pivot_table 即可轻松聚合来自数据帧的长格式数据。
• 给定原始数据框df，最简单的选择是使用pandas.DataFrame.melt 将其转换为长格式，然后使用seaborn.catplot 进行绘图，这是matplotlib 的高级API。
  • 将默认 estimator 从 mean 更改为 sum
• OP 中的'Month' 列是字符串类型。一般来说，最好使用pd._to_datetime 将列转换为 datetime dtype
• 在python 3.8.11、pandas 1.3.2、matplotlib 3.4.2、seaborn 0.11.2中测试

seaborn.catplot

import seaborn as sns

dfm = df.melt(id_vars=['Month', 'Code'], var_name='Cols')

     Month Code  Cols  value
0  2014-03    C  ColA     59
1  2014-01    A  ColA     24
2  2014-02    C  ColA     77
3  2014-04    B  ColA    114
4  2014-01    C  ColA     67

# specify row and col to get a plot like that produced by the accepted answer
sns.catplot(kind='bar', data=dfm, col='Code', x='Month', y='value', row='Cols', order=sorted(dfm.Month.unique()),
            col_order=sorted(df.Code.unique()), estimator=sum, ci=None, height=3.5)

sns.catplot(kind='bar', data=dfm, col='Code', x='Month', y='value', hue='Cols', estimator=sum, ci=None,
            order=sorted(dfm.Month.unique()), col_order=sorted(df.Code.unique()))

pandas.DataFrame.plot

• pandas 使用 matplotlib 和默认的绘图后端。
• 要生成像公认答案一样的图，最好使用pandas.DataFrame.pivot_table 而不是.groupby，因为生成的数据框形状正确，无需取消堆叠。

dfp = df.pivot_table(index='Month', columns='Code', values=['ColA', 'ColB'], aggfunc='sum')

dfp.plot(kind='bar', subplots=True, rot=0, figsize=(9, 7), layout=(2, 3))
plt.tight_layout()