想要将 Pandas 数据框绘制为具有 log10 刻度 x 轴的多个直方图

Question

我在 Pandas 数据帧中有浮点数据。每列代表一个变量（它们有字符串名称），每一行代表一组值（这些行有不重要的整数名称）。

>>> print data
0      kppawr23    kppaspyd
1      3.312387   13.266040
2      2.775202    0.100000
3    100.000000  100.000000
4    100.000000   39.437420
5     17.017150   33.019040
...

我想为每一列绘制直方图。我取得的最好结果是使用 dataframe 的 hist 方法：

data.hist(bins=20)

但我希望每个直方图的 x 轴都在 log10 范围内。并且垃圾箱也要在 log10 规模上，但这很容易 bins=np.logspace(-2,2,20).

解决方法可能是在绘图之前对数据进行 log10 转换，但我已经尝试过的方法，

data.apply(math.log10)

和

data.apply(lambda x: math.log10(x))

给我一个浮点错误。

    "cannot convert the series to {0}".format(str(converter)))
TypeError: ("cannot convert the series to <type 'float'>", u'occurred at index kppawr23')

Answer 1

你可以使用

ax.set_xscale('log')

data.hist() returns 轴数组。你需要打电话 ax.set_xscale('log') 为每个轴，ax 使每个对数缩放。

例如，

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
np.random.seed(2015)

N = 100
arr = np.random.random((N,2)) * np.logspace(-2,2,N)[:, np.newaxis]
data = pd.DataFrame(arr, columns=['kppawr23', 'kppaspyd'])

bins = np.logspace(-2,2,20)
axs = data.hist(bins=bins)
for ax in axs.ravel():
    ax.set_xscale('log')

plt.gcf().tight_layout()
plt.show()

产量

顺便说一下，要获取 DataFrame 中每个值的日志，data，您可以使用

logdata = np.log10(data)

因为 NumPy ufunc（例如 np.log10）可以应用于 pandas DataFrames 因为它们操作 elementwise on all the values in the DataFrame.

data.apply(math.log10) 无效，因为 apply 试图将整列（一系列）值传递给 math.log10。 math.log10 只需要一个标量值。

data.apply(lambda x: math.log10(x)) 失败的原因与 data.apply(math.log10) 相同。此外，如果 data.apply(func) 和 data.apply(lambda x: func(x)) 都是可行的选项，则应该首选第一个，因为 lambda 函数只会使调用速度稍慢。

您可以再次使用 data.apply(np.log10)，因为 NumPy ufunc np.log10 可以应用于系列，但是当 np.log10(data) 工作时没有理由费心这样做。

您也可以使用 data.applymap(math.log10) 因为 applymap 调用 math.log10 对 data 中的每个值一次一个。但这会慢得多比调用等效的 NumPy 函数 np.log10 数据框。尽管如此，还是值得了解 applymap 以防您需要致电一些不是 ufunc 的自定义函数。

想要将 Pandas 数据框绘制为具有 log10 刻度 x 轴的多个直方图

Want to plot Pandas Dataframe as Multiple Histograms with log10 scale x-axis

python

pandas

matplotlib

histogram

logarithm