matplotlib 和 pandas 中的半年颜色条

Question

我有一个熊猫数据框。我正在制作散点图并尝试根据颜色条对数据进行分类。我做了每月分类和质量分类，如下面的示例代码所示。

a = np.random.rand(366)
b = np.random.rand(366)*0.4
index = (pd.date_range(pd.to_datetime('01-01-2000'), periods=366))
df = pd.DataFrame({'a':a,'b':b},index = index)
plt.scatter(df['a'],df['b'],c = df.index.month)
plt.colorbar()

还有质量：

plt.scatter(df['a'],df['b'],c = df.index.quarter)
plt.colorbar()

我的问题：有什么方法可以按半年分类吗？例如从 1-6 和 7-12 月份开始，也可以按月份：10-3 和 4-9 谢谢您，我们将不胜感激您的 help/suggestion。

Answer 1

创建自定义函数以将散点函数放入颜色参数。我为半年划分做了一个例子。您可以将其用作您自己的拆分函数的模板：

import numpy as np
import pandas as pd
import matplotlib.pylab as plt

# if month is 1 to 6 then the first halfyear else the second halfyear 
def halfyear(m):
    return 0 if (m <= 6) else 1
# vectorize function to use with Series
hy = np.vectorize(halfyear)

a = np.random.rand(366)
b = np.random.rand(366)*0.4
index = (pd.date_range(pd.to_datetime('01-01-2000'), periods=366))
df = pd.DataFrame({'a':a,'b':b},index = index)

# apply custom function 'hy' for 'c' argument
plt.scatter(df['a'],df['b'], c = hy(df.index.month))
plt.colorbar()

plt.show()

另一种使用 lambda 函数的方法，例如：

plt.scatter(df['a'],df['b'], \
 c = df.index.map(lambda m: 0 if (m.month > 0 and m.month < 7) else 1))

Answer 2

我会选择不会完全截断每月信息的解决方案。使用相似但可区分月份的颜色可以按半年和月份进行视觉分类。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.colors

a = np.random.rand(366)
b = np.random.rand(366)*0.4
index = (pd.date_range(pd.to_datetime('01-01-2000'), periods=366))
df = pd.DataFrame({'a':a,'b':b},index = index)

colors=["crimson", "orange", "darkblue", "skyblue"]
cdic = list(zip([0,.499,.5,1],colors))
cmap = matplotlib.colors.LinearSegmentedColormap.from_list("name", cdic,12 )
norm = matplotlib.colors.BoundaryNorm(np.arange(13)+.5,12)

plt.scatter(df['a'],df['b'],c = df.index.month, cmap=cmap, norm=norm)
plt.colorbar(ticks=np.arange(1,13))

plt.show()

matplotlib 和 pandas 中的半年颜色条

half yearly colorbar in matplotlib and pandas

python

matplotlib

pandas

datetimeindex