我正在尝试从数据框中绘制几个系列的直方图。系列具有不同的最大值:
df[[
'age_sent', 'last_seen', 'forum_reply', 'forum_cnt', 'forum_exp', 'forum_quest'
]].max()
返回:
age_sent 1516.564016
last_seen 986.790035
forum_reply 137.000000
forum_cnt 155.000000
forum_exp 13.000000
forum_quest 10.000000
当我尝试plot histograms时,我使用
sharex=False, subplots=True
,但看起来sharex
属性被忽略了:df[[
'age_sent', 'last_seen', 'forum_reply', 'forum_cnt', 'forum_exp', 'forum_quest'
]].plot.hist(figsize=(20, 10), logy=True, sharex=False, subplots=True)
我可以清楚地分别绘制每个图,但这不是很理想。我也想知道我在做什么错。
我拥有的数据太大,也无法包含在内,但是创建类似的东西很容易:
ttt = pd.DataFrame({'a': pd.Series(np.random.uniform(1, 1000, 100)), 'b': pd.Series(np.random.uniform(1, 10, 100))})
我现在有:
ttt.plot.hist(logy=True, sharex=False, subplots=True)
检查x轴。我希望它是这种方式(但在子图中使用一个命令)。
ttt['a'].plot.hist(logy=True)
ttt['b'].plot.hist(logy=True)
最佳答案
sharex
(最有可能)只是掉入mpl并设置摇摄/缩放一个轴是否会改变另一个轴。
您遇到的问题是,所有直方图都使用了相同的bin(如果我正确理解代码,则由https://github.com/pydata/pandas/blob/master/pandas/tools/plotting.py#L2053强制执行),因为 Pandas 假设如果您使用多个直方图,那么您可能正在绘制相似数据的列,因此使用相同的分箱使它们具有可比性。
假设您的mpl> = 1.5和numpy> = 1.11,则应该为自己编写一些辅助函数,例如
import matplotlib.pyplot as plt
import matplotlib as mpl
import pandas as pd
import numpy as np
plt.ion()
def make_hists(df, fig_kwargs=None, hist_kwargs=None,
style_cycle=None):
'''
Parameters
----------
df : pd.DataFrame
Datasource
fig_kwargs : dict, optional
kwargs to pass to `plt.subplots`
defaults to {'fig_size': (4, 1.5*len(df.columns),
'tight_layout': True}
hist_kwargs : dict, optional
Extra kwargs to pass to `ax.hist`, defaults
to `{'bins': 'auto'}
style_cycle : cycler
Style cycle to use, defaults to
mpl.rcParams['axes.prop_cycle']
Returns
-------
fig : mpl.figure.Figure
The figure created
ax_list : list
The mpl.axes.Axes objects created
arts : dict
maps column names to the histogram artist
'''
if style_cycle is None:
style_cycle = mpl.rcParams['axes.prop_cycle']
if fig_kwargs is None:
fig_kwargs = {}
if hist_kwargs is None:
hist_kwargs = {}
hist_kwargs.setdefault('log', True)
# this requires nmupy >= 1.11
hist_kwargs.setdefault('bins', 'auto')
cols = df.columns
fig_kwargs.setdefault('figsize', (4, 1.5*len(cols)))
fig_kwargs.setdefault('tight_layout', True)
fig, ax_lst = plt.subplots(len(cols), 1, **fig_kwargs)
arts = {}
for ax, col, sty in zip(ax_lst, cols, style_cycle()):
h = ax.hist(col, data=df, **hist_kwargs, **sty)
ax.legend()
arts[col] = h
return fig, list(ax_lst), arts
dist = [1, 2, 5, 7, 50]
col_names = ['weibull $a={}$'.format(alpha) for alpha in dist]
test_df = pd.DataFrame(np.random.weibull(dist,
(10000, len(dist))),
columns=col_names)
make_hists(test_df)