在两个 Numpy 数组之间创建 Pandas Dataframe，然后绘制散点图

Question

我对 numpy 和 pandas 比较陌生（我是一名实验物理学家，所以多年来我一直在使用 ROOT...）。 ROOT 中的一个常见图是二维散点图，其中，给定 x 和 y 值列表，制作一个变量与另一个变量的 "heatmap" 类型散点图。

如何使用 numpy 和 Pandas 最好地完成这项工作？我正在尝试使用 Dataframe.plot() 函数，但我什至难以创建 Dataframe。

import numpy as np
import pandas as pd
x = np.random.randn(1,5)
y = np.sin(x)
df = pd.DataFrame(d)

首先，此数据框的形状为 (1,2)，但我希望它的形状为 (5,2)。如果我能得到正确形状的数据框，我相信我能找出 DataFrame.plot() 函数来绘制我想要的东西。

Answer 1

创建 DataFrame 的方法有很多种。给定一维列向量，您可以通过向其传递一个字典来创建 DataFrame，字典的键是列名，值是一维列向量：

import numpy as np
import pandas as pd
x = np.random.randn(5)
y = np.sin(x)
df = pd.DataFrame({'x':x, 'y':y})
df.plot('x', 'y', kind='scatter')

Answer 2

为了做你想做的，我不会使用DataFrame绘图方法。我也是一名前实验物理学家，根据 ROOT 的经验，我认为你想要的 Python 模拟最好使用 matplotlib 来完成。在 matplotlib.pyplot 中有一个方法 hist2d()，它会为您提供您正在寻找的那种热图。

至于创建数据框，一个简单的方法是：

df=pd.DataFrame({'x':x, 'y':y})

Answer 3

互补，可以用pandas系列，但是DataFrame 必须已创建。

import numpy as np
import pandas as pd

x = np.linspace(0,2*np.pi)
y = np.sin(x)

#df = pd.DataFrame()
#df['X'] = pd.Series(x)
#df['Y'] = pd.Series(y)

# You can MIX
df = pd.DataFrame({'X':x})
df['Y'] = pd.Series(y) 

df.plot('X', 'Y', kind='scatter')

这是另一种可能有用的方法

import numpy as np
import pandas as pd

x = np.linspace(0,2*np.pi)
y = np.sin(x)

df = pd.DataFrame(data=np.column_stack((x,y)),columns=['X','Y'])

此外，我发现 karlijn (DatacCamp) 中的示例非常有帮助

import numpy as np
import pandas as pd

TAB = np.array([[''     ,'Col1','Col2'],
                 ['Row1' ,   1  ,   2  ],
                 ['Row2' ,   3  ,   4  ],
                 ['Row3' ,   5 ,   6  ]])

dados = TAB[1:,1:]
linhas = TAB[1:,0]
colunas = TAB[0,1:]

DF = pd.DataFrame(
    data=dados,
    index=linhas,
    columns=colunas
)

print('\nDataFrame:', DF)

在两个 Numpy 数组之间创建 Pandas Dataframe，然后绘制散点图

Creating Pandas Dataframe between two Numpy arrays, then draw scatter plot

python

numpy

pandas

scatter