Matplotlib：pandas MultiIndex DataFrame 的自定义代码

Question

我有一个很大的 pandas MultiIndex DataFrame 想要绘制。一个最小的例子看起来像：

import pandas as pd

years = range(2015, 2018)
fields = range(4)
days = range(4)
bands = ['R', 'G', 'B']

index = pd.MultiIndex.from_product(
    [years, fields], names=['year', 'field'])
columns = pd.MultiIndex.from_product(
    [days, bands], names=['day', 'band'])

df = pd.DataFrame(0, index=index, columns=columns)

df.loc[(2015,), (0,)] = 1
df.loc[(2016,), (1,)] = 1
df.loc[(2017,), (2,)] = 1

如果我使用 plt.spy 绘制此图，我得到：

但是，刻度位置和标签不太理想。我希望滴答声完全忽略 MultiIndex 的第二级。使用 IndexLocator and IndexFormatter，我可以执行以下操作：

from matplotlib.ticker import IndexFormatter, IndexLocator

import matplotlib.pyplot as plt

ax = plt.gca()
plt.spy(df)

xbase = len(bands)
xoffset = xbase / 2
xlabels = df.columns.get_level_values('day')
ax.xaxis.set_major_locator(IndexLocator(base=xbase, offset=xoffset))
ax.xaxis.set_major_formatter(IndexFormatter(xlabels))
plt.xlabel('Day')
ax.xaxis.tick_bottom()

ybase = len(fields)
yoffset = ybase / 2
ylabels = df.index.get_level_values('year')
ax.yaxis.set_major_locator(IndexLocator(base=ybase, offset=yoffset))
ax.yaxis.set_major_formatter(IndexFormatter(ylabels))
plt.ylabel('Year')

plt.show()

这正是我想要的：

但这就是问题所在。我的实际 DataFrame 有 15 年、4,000 个字段、365 天和 7 个波段。如果我真的每天都贴标签，标签将难以辨认。我可以每 50 天放置一个刻度，但我希望刻度是动态的，这样当我放大时，刻度会变得更细粒度。基本上我正在寻找的是一个自定义 MultiIndexLocator，它结合了 IndexLocator 的位置和 MaxNLocator.

的活力

奖励：从某种意义上说，我的数据非常好，每年总是有相同数量的字段，每天都有相同数量的波段。但如果情况并非如此呢？我很乐意为 matplotlib 贡献一个适用于任何 MultiIndex DataFrame 的通用 MultiIndexLocator 和 MultiIndexFormatter。

Answer 1

Matplotlib 不了解数据帧或多索引。它只是绘制您提供的数据。 IE。你得到的结果就好像你在绘制 numpy 数据数组一样，spy(df.values).

所以我建议首先正确设置图像的范围，以便您可以使用数字代码。那么 MaxNLocator 应该可以正常工作，除非你没有放大太多。

import numpy as np
import pandas as pd
from matplotlib.ticker import MaxNLocator
import matplotlib.pyplot as plt
plt.rcParams['axes.formatter.useoffset'] = False

years = range(2000, 2018)
fields = range(9) #17
days = range(120) #365
bands = ['R', 'G', 'B', 'A']

index = pd.MultiIndex.from_product(
    [years, fields], names=['year', 'field'])
columns = pd.MultiIndex.from_product(
    [days, bands], names=['day', 'band'])

data = np.random.rand(len(years)*len(fields),len(days)*len(bands))
x,y = np.meshgrid(np.arange(data.shape[1]),np.arange(data.shape[0]))
data += 2*((y//len(fields)+x//len(bands)) % 2)
df = pd.DataFrame(data, index=index, columns=columns)

############
# Plotting
############

xbase = len(bands)
xlabels = df.columns.get_level_values('day')
ybase = len(fields)
ylabels = df.index.get_level_values('year')

extent = [xlabels.min()-np.diff(np.unique(xlabels))[0]/2.,
          xlabels.max()+np.diff(np.unique(xlabels))[0]/2.,
          ylabels.min()-np.diff(np.unique(ylabels))[0]/2.,
          ylabels.max()+np.diff(np.unique(ylabels))[0]/2.,]

fig, ax = plt.subplots()

ax.imshow(df.values, extent=extent, aspect="auto")
ax.set_ylabel('Year')
ax.set_xlabel('Day')

ax.xaxis.set_major_locator(MaxNLocator(integer=True,min_n_ticks=1))
ax.yaxis.set_major_locator(MaxNLocator(integer=True,min_n_ticks=1))


plt.show()

Matplotlib：pandas MultiIndex DataFrame 的自定义代码

Matplotlib: custom ticker for pandas MultiIndex DataFrame

python

matplotlib

ticker

multi-index

pandas