如何在 pandas DataFrame 上绘制一些包含字符串的列的平行坐标？

Question

我想为 pandas DataFrame 绘制平行坐标，其中包含带有数字的列和其他包含字符串作为值的列。

问题描述

我有以下测试代码，可用于绘制带数字的平行坐标：

import pandas as pd
import matplotlib.pyplot as plt
from pandas.tools.plotting import parallel_coordinates

df = pd.DataFrame([["line 1",20,30,100],\
    ["line 2",10,40,90],["line 3",10,35,120]],\
    columns=["element","var 1","var 2","var 3"])
parallel_coordinates(df,"element")
plt.show()

最终显示如下图形：

但是我想尝试的是向我的绘图添加一些具有字符串的变量。但是当我运行以下代码时：

df2 = pd.DataFrame([["line 1",20,30,100,"N"],\
    ["line 2",10,40,90,"N"],["line 3",10,35,120,"N-1"]],\
    columns=["element","var 1","var 2","var 3","regime"])
parallel_coordinates(df2,"element")
plt.show()

我收到这个错误：

ValueError: invalid literal for float(): N

我想这意味着 parallel_coordinates 函数不接受字符串。

我正在尝试做的事情的例子

我正在尝试做类似这个例子的事情，其中 Race 和 Sex 是字符串而不是数字：

问题

有什么方法可以使用 pandas parallel_coordinates 来执行这样的图形吗？如果没有，我怎么能尝试这样的图形？也许 matplotlib?

我必须提到我正在特别寻找 Python 2.5 和 pandas 版本 0.9.0.

下的解决方案

Answer 1

我不完全清楚您想对 regime 列做什么。

如果问题只是它的存在阻止了绘图显示，那么您可以简单地从绘图中省略有问题的列：

parallel_coordinates(df2, class_column='element', cols=['var 1', 'var 2', 'var 3'])

查看您提供的示例，我了解到您希望分类变量以某种方式放置在垂直线上，并且类别的每个值都由不同的 y 值表示。我做对了吗？

如果我是，那么您需要将您的分类变量（此处为 regime）转换为数值。为此，我使用了这个技巧 I found on this website.

df2.regime = df2.regime.astype('category')
df2['regime_encoded'] = df2.regime.cat.codes


print(df2)
    element var 1   var 2   var 3   regime  regime_encoded
0   line 1  20      30      100     N       0
1   line 2  10      40      90      N       0
2   line 3  10      35      120     N-1     1

此代码创建一个新列 (regime_encoded)，其中类别制度的每个值均由整数编码。然后您可以绘制新数据框，包括新创建的列：

parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")

问题在于分类变量 (0, 1) 的编码值与其他变量的范围无关，因此所有的线似乎都趋向于同一点。答案是将编码与数据范围进行比较（这里我这样做非常简单，因为你的数据在 0 到 120 之间，如果你的真实数据帧不是这种情况，你可能需要从最小值开始缩放).

df2['regime_encoded'] = df2.regime.cat.codes * max(df2.max(axis=1, numeric_only=True))
parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")

为了更好地适应您的示例，您可以添加注释：

df2['regime_encoded'] = df2.regime.cat.codes * max(df2.max(axis=1, numeric_only=True)
parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")
ax = plt.gca()
for i,(label,val) in df2.loc[:,['regime','regime_encoded']].drop_duplicates().iterrows():
    ax.annotate(label, xy=(3,val), ha='left', va='center')

Answer 2

根据@Diziet 的回答，为了能够在 Python 2.5 下获得所需的图表，我们可以使用以下代码：

import pandas as pd
import matplotlib.pyplot as plt
from pandas.tools.plotting import parallel_coordinates

def format(input):
    if input == "N":
        output = 0
    elif input == "N-1":
        output = 1
    else:
        output = None
    return output

df2 = pd.DataFrame([["line 1",20,30,100,"N"],\
    ["line 2",10,40,90,"N"],["line 3",10,35,120,"N-1"]],\
    columns=["element","var 1","var 2","var 3","regime"])
df2["regime_encoded"] = df2["regime"].apply(format) * max(df2[["var 1","var 2","var 3"]].max(axis=1))

parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")
ax = plt.gca()
for i,(label,val) in df2.ix[:,['regime','regime_encoded']].drop_duplicates().iterrows():
    ax.annotate(label, xy=(3,val), ha='left', va='center')

plt.show()

这将最终显示下图：

如何在 pandas DataFrame 上绘制一些包含字符串的列的平行坐标？

How to plot parallel coordinates on pandas DataFrame with some columns containing strings?

python

matplotlib

dataframe

pandas

parallel-coordinates