plotnine 不添加图例
plotnine doesn't add legend
我正在使用 plotnine 在同一个图中绘制两个图形。
一张图使用您将在下面看到的数据框中的 'b' 值，另一张图使用 'c'.
中的值
我只需要显示一个简单的图例图例，其中我看到 'c' 和 'b' 以及相应的颜色。
def plot_log_detected():
df = DataFrame({'x': [1, 2, 3, 4, 5],
'b': >>>SOME VALUES DOESNT MATTER<<<,
'c': >>>SOME VALUES DOESNT MATTER<<<
})
return ggplot(aes(x='x', y='b'), data=df) + geom_point(size=1) +\
geom_line(aes(y='b'), color='black') + \
geom_line(aes(y='c'), color='blue') + \
ggtitle("TITLE") + \
labs(y="Y AXIS", x="X AXIS")
如果您在 R 中使用 ggplot2，这将不会显示图例：只有当您在美学中指定 color= 时，颜色图例才会显示 geom。 "fix" 在 python 或 ggplot 中与 r 相同。您需要组织数据以遵循 tidy data 原则。在这种情况下，df$b 和 df$c 列各包含两条信息：(1) value of "y" 和 (2) 类型 ，共 "y"。您应该相应地重新组织数据，以便您的列名称变为：x、type_of_y 和 value_of_y.
我将通过填写您提供的数据集来进行解释，然后指出我们如何将其更改为整洁的格式，然后您如何（正确地）应用代码来表示我相信您想要的情节到.
基础知识
这是一个数据集和一个像你的情节一样的情节（同样，它在 r... 所以我希望你能翻译成 python）：
df <- data.frame(
x=c(1:5), b=c(10, 12, 14, 9, 8), c=c(9, 11, 11, 12, 14))
ggplot(df, aes(x=x)) +
geom_line(aes(y=b), color='red') +
geom_line(aes(y=c), color='blue')
没有图例，但颜色在那里，我们绘制了您所期望的。这里的问题是，当您在 aes() 调用中指定颜色 时，ggplot 会绘制图例。 为了清楚地看到这一点，让我们做同样的情节，但是移动color=... 里面的 aes():
ggplot(df, aes(x=x)) +
geom_line(aes(y=b, color='red')) +
geom_line(aes(y=c, color='blue'))
好的，那是……等等。什么？它现在有一个图例（因为我们把 color 放在 aes() 里面），但是颜色实际上顺序颠倒了......你会注意到颜色不是红色和蓝色，而是 ggplot2 的默认 "reddish" 和 "teal" 颜色。实际上，发生的事情是我们只指定在第一个 geom_line 调用中，我们绘制了正确的数据集，但我们只 "titled" 数据为 "red"。同样，我们 "titled" 另一个数据集 "blue"。 ggplot 根据默认调色板决定使用什么颜色。
无需整理数据即可获得传奇
如果您不想弄乱您的数据，实际上有一种方法可以做到这一点并且可能会得到您可能满意的输出。我们只需在 color= 中指明您要调用该系列的 名称。
ggplot(df, aes(x=x)) +
geom_line(aes(y=b, color='b')) +
geom_line(aes(y=c, color='c'))
如果只添加另一个 color='blue' 以获得 "blue" 颜色 外部 以及 aes() 内部？好吧……那是行不通的。如果你这样做，例如，结果与显示的原始图相同（没有图例，但颜色值正确），因为 aes() 在每个 geom_line 调用中被有效覆盖：
# this doesn't work to keep legend and desired color, the second
# color outside aes() overwrites the one inside aes()
ggplot(df, aes(x=x)) +
geom_line(aes(y=b, color='b'), color='red') +
geom_line(aes(y=c, color='c'), color='blue')
整洁数据方式（"correct"方式）
虽然上述方法有效，但它违反了 Tidy Data 的一般原则以及如何组织您的数据以便于分析...以您想要的任何方式。相信我：这绝对是使用任何数据集进行分析的多功能性的最佳实践，并且几乎总是值得以这种方式组织数据。
ggplot 希望 您将 aes() 参数指定为数据集 中的 列。这意味着我们应该让每一列在您的数据集中服务于特定目的：
x: 这与原始数据集中的x相同。它只代表x-axis值
type_of_y:这一列包含的值为'b'或'c'，表示属于哪个数据系列这些值应该来自.
value_of_y: 此列包含您将绘制在 y 上的值。
使用dplyr，我们可以非常简单地以这种方式重新组织数据：
df <- df %>% gather('type_of_y', 'value_of_y', -x)
给你：
x type_of_y value_of_y
1 1 b 10
2 2 b 12
3 3 b 14
4 4 b 9
5 5 b 8
6 1 c 9
7 2 c 11
8 3 c 11
9 4 c 12
10 5 c 14
然后你相应地绘制，只使用一个 geom_line 调用并将 color 美学应用于 type_of_y。像这样：
ggplot(df, aes(x=x, y=value_of_y)) +
geom_line(aes(color=type_of_y))
这样一来，您只需指定一个geom_line调用即可。这里看起来可能没有太大不同，但是如果您的原始数据集中有多个列怎么办？以 "x"、"a"、"b"、"c"..."z" 的 y 值为例！您必须在对 geom_line 的单独调用中指定所有这些行！在上面的例子中，无论你有多少不同的 y 值列......你只有相同的两行代码并且只有一次调用 geom_line。有道理？有关更多信息，我建议使用上面的 link。此外，this article 是一本好书。
然后您可以通过添加 scale_color_manual 并以这种方式指定颜色（还有其他一些方法）来分配特定颜色 - 但如果您需要帮助，我会在一个单独的问题中提问。另外...不确定 python 的代码有何不同。同样，您可以通过 labs(color="your new legend title")... 以及其他主题更改来更改图例的标题。
我知道它与 python 中的代码不完全相同，但这应该足以让您了解我们如何在那里进行类似的操作。
您可以融合您的数据框以将列 'b' 和 'c' 合并为一列，并创建美观的列 'color' 用于着色和图例。这是代码和输出。请注意，我将原始数据框用于点图（因为您只在其中绘制列 'b'）并将融化的数据框用于线图：
def plot_log_detected():
df = DataFrame({'x': [1, 2, 3, 4, 5],
'b': [1, 2, 3, 4, 5],
'c': [1, 3, 2, 5, 4]
})
df_melt = df.melt(id_vars=['x'], value_vars=['b','c'], var_name='color', value_name='b_and_c')
return ggplot(aes(x='x', y='b'), data=df) + geom_point(size=1) +\
geom_line(aes(y='b_and_c', color='color'), data=df_melt) + \
ggtitle("TITLE") + \
labs(y="Y AXIS", x="X AXIS")
您的原始示例数据框如下所示：
x b c
0 1 1 1
1 2 2 3
2 3 3 2
3 4 4 5
4 5 5 4
你融化的数据框是：
x color b_and_c
0 1 b 1
1 2 b 2
2 3 b 3
3 4 b 4
4 5 b 5
5 1 c 1
6 2 c 3
7 3 c 2
8 4 c 5
9 5 c 4
最后这是输出图像：
def plot_log_detected():
df = DataFrame({'x': [1, 2, 3, 4, 5],
'b': >>>SOME VALUES DOESNT MATTER<<<,
'c': >>>SOME VALUES DOESNT MATTER<<<
})
plot = (
ggplot(aes(x='x', y='b'), data=df)
+ geom_point(size=1)
+ geom_line(aes(y='b', color='"black"')) # Put color in double quotes
+ geom_line(aes(y='c', color='"blue"')) # Put color in double quotes
+ ggtitle("TITLE")
+ labs(y="Y AXIS", x="X AXIS")
# Add color scale identity
+ scale_color_identity(
guide='legend',
breaks=['black', 'blue'],
labels=['Label for black', 'Label for blue']))
return plot
我有另一个解决方案，我使用 melt 将宽数据格式转换为长数据格式。为了生成图例，我们需要为美学映射提供一个分组列，因此使用 melt 我们可以创建一个列标签类别并将其传递给 plotnine 颜色参数。
def plot_log_detected():
df = DataFrame({'x': [1, 2, 3, 4, 5],
'b': [22,33,21,66,55],
'c': [44,11,22,77,55]
})
long_data = pd.melt(df, id_vars=["x"], value_vars=["b", "c"])
long_data = long_data.rename(columns = {'variable':'category'})
return ggplot(aes(x='x', y='value', color = "category"), data=long_data) +\
geom_point(size=1) +\
geom_line() + \
ggtitle("TITLE") + \
labs(y="Y AXIS", x="X AXIS")
plot_log_detected()
我正在使用 plotnine 在同一个图中绘制两个图形。 一张图使用您将在下面看到的数据框中的 'b' 值，另一张图使用 'c'.
中的值我只需要显示一个简单的图例图例，其中我看到 'c' 和 'b' 以及相应的颜色。
def plot_log_detected():
df = DataFrame({'x': [1, 2, 3, 4, 5],
'b': >>>SOME VALUES DOESNT MATTER<<<,
'c': >>>SOME VALUES DOESNT MATTER<<<
})
return ggplot(aes(x='x', y='b'), data=df) + geom_point(size=1) +\
geom_line(aes(y='b'), color='black') + \
geom_line(aes(y='c'), color='blue') + \
ggtitle("TITLE") + \
labs(y="Y AXIS", x="X AXIS")
如果您在 R 中使用 ggplot2，这将不会显示图例：只有当您在美学中指定 color= 时，颜色图例才会显示 geom。 "fix" 在 python 或 ggplot 中与 r 相同。您需要组织数据以遵循 tidy data 原则。在这种情况下，df$b 和 df$c 列各包含两条信息：(1) value of "y" 和 (2) 类型 ，共 "y"。您应该相应地重新组织数据，以便您的列名称变为：x、type_of_y 和 value_of_y.
我将通过填写您提供的数据集来进行解释，然后指出我们如何将其更改为整洁的格式，然后您如何（正确地）应用代码来表示我相信您想要的情节到.
基础知识
这是一个数据集和一个像你的情节一样的情节（同样，它在 r... 所以我希望你能翻译成 python）：
df <- data.frame(
x=c(1:5), b=c(10, 12, 14, 9, 8), c=c(9, 11, 11, 12, 14))
ggplot(df, aes(x=x)) +
geom_line(aes(y=b), color='red') +
geom_line(aes(y=c), color='blue')
没有图例，但颜色在那里，我们绘制了您所期望的。这里的问题是，当您在 aes() 调用中指定颜色 时，ggplot 会绘制图例。 为了清楚地看到这一点，让我们做同样的情节，但是移动color=... 里面的 aes():
ggplot(df, aes(x=x)) +
geom_line(aes(y=b, color='red')) +
geom_line(aes(y=c, color='blue'))
好的，那是……等等。什么？它现在有一个图例（因为我们把 color 放在 aes() 里面），但是颜色实际上顺序颠倒了......你会注意到颜色不是红色和蓝色，而是 ggplot2 的默认 "reddish" 和 "teal" 颜色。实际上，发生的事情是我们只指定在第一个 geom_line 调用中，我们绘制了正确的数据集，但我们只 "titled" 数据为 "red"。同样，我们 "titled" 另一个数据集 "blue"。 ggplot 根据默认调色板决定使用什么颜色。
无需整理数据即可获得传奇
如果您不想弄乱您的数据，实际上有一种方法可以做到这一点并且可能会得到您可能满意的输出。我们只需在 color= 中指明您要调用该系列的 名称。
ggplot(df, aes(x=x)) +
geom_line(aes(y=b, color='b')) +
geom_line(aes(y=c, color='c'))
如果只添加另一个 color='blue' 以获得 "blue" 颜色 外部 以及 aes() 内部？好吧……那是行不通的。如果你这样做，例如，结果与显示的原始图相同（没有图例，但颜色值正确），因为 aes() 在每个 geom_line 调用中被有效覆盖：
# this doesn't work to keep legend and desired color, the second
# color outside aes() overwrites the one inside aes()
ggplot(df, aes(x=x)) +
geom_line(aes(y=b, color='b'), color='red') +
geom_line(aes(y=c, color='c'), color='blue')
整洁数据方式（"correct"方式）
虽然上述方法有效，但它违反了 Tidy Data 的一般原则以及如何组织您的数据以便于分析...以您想要的任何方式。相信我：这绝对是使用任何数据集进行分析的多功能性的最佳实践，并且几乎总是值得以这种方式组织数据。
ggplot 希望 您将 aes() 参数指定为数据集 中的 列。这意味着我们应该让每一列在您的数据集中服务于特定目的：
x: 这与原始数据集中的
x相同。它只代表x-axis值type_of_y:这一列包含的值为'b'或'c'，表示属于哪个数据系列这些值应该来自.
value_of_y: 此列包含您将绘制在 y 上的值。
使用dplyr，我们可以非常简单地以这种方式重新组织数据：
df <- df %>% gather('type_of_y', 'value_of_y', -x)
给你：
x type_of_y value_of_y
1 1 b 10
2 2 b 12
3 3 b 14
4 4 b 9
5 5 b 8
6 1 c 9
7 2 c 11
8 3 c 11
9 4 c 12
10 5 c 14
然后你相应地绘制，只使用一个 geom_line 调用并将 color 美学应用于 type_of_y。像这样：
ggplot(df, aes(x=x, y=value_of_y)) +
geom_line(aes(color=type_of_y))
这样一来，您只需指定一个geom_line调用即可。这里看起来可能没有太大不同，但是如果您的原始数据集中有多个列怎么办？以 "x"、"a"、"b"、"c"..."z" 的 y 值为例！您必须在对 geom_line 的单独调用中指定所有这些行！在上面的例子中，无论你有多少不同的 y 值列......你只有相同的两行代码并且只有一次调用 geom_line。有道理？有关更多信息，我建议使用上面的 link。此外，this article 是一本好书。
然后您可以通过添加 scale_color_manual 并以这种方式指定颜色（还有其他一些方法）来分配特定颜色 - 但如果您需要帮助，我会在一个单独的问题中提问。另外...不确定 python 的代码有何不同。同样，您可以通过 labs(color="your new legend title")... 以及其他主题更改来更改图例的标题。
我知道它与 python 中的代码不完全相同，但这应该足以让您了解我们如何在那里进行类似的操作。
您可以融合您的数据框以将列 'b' 和 'c' 合并为一列，并创建美观的列 'color' 用于着色和图例。这是代码和输出。请注意，我将原始数据框用于点图（因为您只在其中绘制列 'b'）并将融化的数据框用于线图：
def plot_log_detected():
df = DataFrame({'x': [1, 2, 3, 4, 5],
'b': [1, 2, 3, 4, 5],
'c': [1, 3, 2, 5, 4]
})
df_melt = df.melt(id_vars=['x'], value_vars=['b','c'], var_name='color', value_name='b_and_c')
return ggplot(aes(x='x', y='b'), data=df) + geom_point(size=1) +\
geom_line(aes(y='b_and_c', color='color'), data=df_melt) + \
ggtitle("TITLE") + \
labs(y="Y AXIS", x="X AXIS")
您的原始示例数据框如下所示：
x b c
0 1 1 1
1 2 2 3
2 3 3 2
3 4 4 5
4 5 5 4
你融化的数据框是：
x color b_and_c
0 1 b 1
1 2 b 2
2 3 b 3
3 4 b 4
4 5 b 5
5 1 c 1
6 2 c 3
7 3 c 2
8 4 c 5
9 5 c 4
最后这是输出图像：
def plot_log_detected():
df = DataFrame({'x': [1, 2, 3, 4, 5],
'b': >>>SOME VALUES DOESNT MATTER<<<,
'c': >>>SOME VALUES DOESNT MATTER<<<
})
plot = (
ggplot(aes(x='x', y='b'), data=df)
+ geom_point(size=1)
+ geom_line(aes(y='b', color='"black"')) # Put color in double quotes
+ geom_line(aes(y='c', color='"blue"')) # Put color in double quotes
+ ggtitle("TITLE")
+ labs(y="Y AXIS", x="X AXIS")
# Add color scale identity
+ scale_color_identity(
guide='legend',
breaks=['black', 'blue'],
labels=['Label for black', 'Label for blue']))
return plot
我有另一个解决方案，我使用 melt 将宽数据格式转换为长数据格式。为了生成图例，我们需要为美学映射提供一个分组列，因此使用 melt 我们可以创建一个列标签类别并将其传递给 plotnine 颜色参数。
def plot_log_detected():
df = DataFrame({'x': [1, 2, 3, 4, 5],
'b': [22,33,21,66,55],
'c': [44,11,22,77,55]
})
long_data = pd.melt(df, id_vars=["x"], value_vars=["b", "c"])
long_data = long_data.rename(columns = {'variable':'category'})
return ggplot(aes(x='x', y='value', color = "category"), data=long_data) +\
geom_point(size=1) +\
geom_line() + \
ggtitle("TITLE") + \
labs(y="Y AXIS", x="X AXIS")
plot_log_detected()