如何从宽数据框中使用 seaborn 绘制多个图
How to make multiple plots with seaborn from a wide dataframe
我目前正在学习使用 seaborn 进行数据可视化，但遇到了一个找不到解决方案的问题。
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
所以我有这个数据
指数
col1
col2
col3
col4
col5
col6
col7
col8
1990
0
4
7
3
7
0
6
6
1991
1
7
5
0
8
1
8
4
1992
0
5
0
1
9
1
7
2
1993
2
7
0
0
6
1
2
7
1994
4
1
5
5
8
1
6
3
1995
7
0
6
4
8
0
5
7
1996
5
1
1
4
6
1
7
4
1997
0
4
7
5
5
1
8
5
1998
1
3
7
0
7
0
7
1
1999
5
7
1
1
6
0
8
5
2000
3
8
5
0
3
0
6
3
2001
6
0
4
1
7
1
2
7
我想 barplots/histplots 将 col1、col2 .. col8 作为一列，将 1990 值作为一列，这样
1990;
col?
值
col1
0
col2
4
col3
7
col4
3
col5
7
col6
0
col7
6
col8
6
并绘制从 1990 年到 2001 年的每一年。
g = sns.FacetGrid(df, col=df.index.value_counts())
g.map(sns.histplot, df.columns)
这是我写的代码
我查看了 facetgrid，但可以让它适用于我的情况，欢迎任何反馈。
melt 首先是你的数据框。
df = pd.DataFrame({'index': {0: 1990, 1: 1991, 2: 1992, 3: 1993, 4: 1994, 5: 1995, 6: 1996, 7: 1997, 8: 1998, 9: 1999, 10: 2000, 11: 2001}, 'col1': {0: 0, 1: 1, 2: 0, 3: 2, 4: 4, 5: 7, 6: 5, 7: 0, 8: 1, 9: 5, 10: 3, 11: 6}, 'col2': {0: 4, 1: 7, 2: 5, 3: 7, 4: 1, 5: 0, 6: 1, 7: 4, 8: 3, 9: 7, 10: 8, 11: 0}, 'col3': {0: 7, 1: 5, 2: 0, 3: 0, 4: 5, 5: 6, 6: 1, 7: 7, 8: 7, 9: 1, 10: 5, 11: 4}, 'col4': {0: 3, 1: 0, 2: 1, 3: 0, 4: 5, 5: 4, 6: 4, 7: 5, 8: 0, 9: 1, 10: 0, 11: 1}, 'col5': {0: 7, 1: 8, 2: 9, 3: 6, 4: 8, 5: 8, 6: 6, 7: 5, 8: 7, 9: 6, 10: 3, 11: 7}, 'col6': {0: 0, 1: 1, 2: 1, 3: 1, 4: 1, 5: 0, 6: 1, 7: 1, 8: 0, 9: 0, 10: 0, 11: 1}, 'col7': {0: 6, 1: 8, 2: 7, 3: 2, 4: 6, 5: 5, 6: 7, 7: 8, 8: 7, 9: 8, 10: 6, 11: 2}, 'col8': {0: 6, 1: 4, 2: 2, 3: 7, 4: 3, 5: 7, 6: 4, 7: 5, 8: 1, 9: 5, 10: 3, 11: 7}})
df2 = df.melt(id_vars='index')
g = sns.FacetGrid(data=df2, col='index', col_wrap=4)
g.map(sns.barplot, 'variable', 'value', order=df2['variable'].unique())
plt.show()
导入和测试 DataFrame
- 使用
pandas 1.3.0、matplotlib 3.4.2 和 seaborn 0.11.1 进行了测试
import pandas as pd
import seaborn as sns
# sample dataframe
data = {1990: {'col1': 0, 'col2': 4, 'col3': 7, 'col4': 3, 'col5': 7, 'col6': 0, 'col7': 6, 'col8': 6}, 1991: {'col1': 1, 'col2': 7, 'col3': 5, 'col4': 0, 'col5': 8, 'col6': 1, 'col7': 8, 'col8': 4}, 1992: {'col1': 0, 'col2': 5, 'col3': 0, 'col4': 1, 'col5': 9, 'col6': 1, 'col7': 7, 'col8': 2}, 1993: {'col1': 2, 'col2': 7, 'col3': 0, 'col4': 0, 'col5': 6, 'col6': 1, 'col7': 2, 'col8': 7}, 1994: {'col1': 4, 'col2': 1, 'col3': 5, 'col4': 5, 'col5': 8, 'col6': 1, 'col7': 6, 'col8': 3}, 1995: {'col1': 7, 'col2': 0, 'col3': 6, 'col4': 4, 'col5': 8, 'col6': 0, 'col7': 5, 'col8': 7}, 1996: {'col1': 5, 'col2': 1, 'col3': 1, 'col4': 4, 'col5': 6, 'col6': 1, 'col7': 7, 'col8': 4}, 1997: {'col1': 0, 'col2': 4, 'col3': 7, 'col4': 5, 'col5': 5, 'col6': 1, 'col7': 8, 'col8': 5}, 1998: {'col1': 1, 'col2': 3, 'col3': 7, 'col4': 0, 'col5': 7, 'col6': 0, 'col7': 7, 'col8': 1}, 1999: {'col1': 5, 'col2': 7, 'col3': 1, 'col4': 1, 'col5': 6, 'col6': 0, 'col7': 8, 'col8': 5}, 2000: {'col1': 3, 'col2': 8, 'col3': 5, 'col4': 0, 'col5': 3, 'col6': 0, 'col7': 6, 'col8': 3}, 2001: {'col1': 6, 'col2': 0, 'col3': 4, 'col4': 1, 'col5': 7, 'col6': 1, 'col7': 2, 'col8': 7}}
df = pd.DataFrame.from_dict(data, orient='index')
# display(df.head())
col1 col2 col3 col4 col5 col6 col7 col8
1990 0 4 7 3 7 0 6 6
1991 1 7 5 0 8 1 8 4
1992 0 5 0 1 9 1 7 2
1993 2 7 0 0 6 1 2 7
1994 4 1 5 5 8 1 6 3
用seaborn.catplot
绘图
- 使用
seaborn 0.11.1，正确的方式创建barplotFacetGrid (per the documentation), is with sns.catplot和kind='bar'.
- 需要将数据帧从宽格式转换为长格式，这很容易通过重置索引，然后使用
pandas.DataFrame.melt()
- A
catplot 是一个图形级界面，用于将分类图绘制到 FacetGrid 上。
g.set_xticklabels(rotation=90) 可用于旋转 xticklabels。- 见
or
# convert the wide dataframe to a long format with melt
dfm = df.reset_index().melt(id_vars='index', var_name='variable', value_name='value')
# display(dfm.head())
index variable value
0 1990 col1 0
1 1991 col1 1
2 1992 col1 0
3 1993 col1 2
4 1994 col1 4
# plot with catplot and kind='bar'
g = sns.catplot(data=dfm, kind='bar', col='index', col_wrap=4, x='variable', y='value', height=3)
# change the ticklabel rotation if needed
g.set_xticklabels(rotation=90)
# change ylim if needed
g.set(ylim=(0, 30))
用pandas.DataFrame.plot
绘图
- 虽然您询问了
seaborn，但鉴于 OP 中的数据框在索引中包含所有年份，绘制数据的最简单方法是使用 .T, and then use pandas.DataFrame.plot[=56 转置数据框=]
# display(df.T.head())
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
col1 0 1 0 2 4 7 5 0 1 5 3 6
col2 4 7 5 7 1 0 1 4 3 7 8 0
col3 7 5 0 0 5 6 1 7 7 1 5 4
col4 3 0 1 0 5 4 4 5 0 1 0 1
col5 7 8 9 6 8 8 6 5 7 6 3 7
# transpose and plot
axes = df.T.plot(kind='bar', subplots=True, layout=[3, 4], figsize=(15, 7), legend=False, rot=0)
# to change ylim of the subplots, if needed
for ax in axes.flatten():
ax.set_ylim(0, 30)
我目前正在学习使用 seaborn 进行数据可视化，但遇到了一个找不到解决方案的问题。
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
所以我有这个数据
| 指数 | col1 | col2 | col3 | col4 | col5 | col6 | col7 | col8 |
|---|---|---|---|---|---|---|---|---|
| 1990 | 0 | 4 | 7 | 3 | 7 | 0 | 6 | 6 |
| 1991 | 1 | 7 | 5 | 0 | 8 | 1 | 8 | 4 |
| 1992 | 0 | 5 | 0 | 1 | 9 | 1 | 7 | 2 |
| 1993 | 2 | 7 | 0 | 0 | 6 | 1 | 2 | 7 |
| 1994 | 4 | 1 | 5 | 5 | 8 | 1 | 6 | 3 |
| 1995 | 7 | 0 | 6 | 4 | 8 | 0 | 5 | 7 |
| 1996 | 5 | 1 | 1 | 4 | 6 | 1 | 7 | 4 |
| 1997 | 0 | 4 | 7 | 5 | 5 | 1 | 8 | 5 |
| 1998 | 1 | 3 | 7 | 0 | 7 | 0 | 7 | 1 |
| 1999 | 5 | 7 | 1 | 1 | 6 | 0 | 8 | 5 |
| 2000 | 3 | 8 | 5 | 0 | 3 | 0 | 6 | 3 |
| 2001 | 6 | 0 | 4 | 1 | 7 | 1 | 2 | 7 |
我想 barplots/histplots 将 col1、col2 .. col8 作为一列，将 1990 值作为一列，这样 1990;
| col? | 值 |
|---|---|
| col1 | 0 |
| col2 | 4 |
| col3 | 7 |
| col4 | 3 |
| col5 | 7 |
| col6 | 0 |
| col7 | 6 |
| col8 | 6 |
并绘制从 1990 年到 2001 年的每一年。
g = sns.FacetGrid(df, col=df.index.value_counts())
g.map(sns.histplot, df.columns)
这是我写的代码 我查看了 facetgrid，但可以让它适用于我的情况，欢迎任何反馈。
melt 首先是你的数据框。
df = pd.DataFrame({'index': {0: 1990, 1: 1991, 2: 1992, 3: 1993, 4: 1994, 5: 1995, 6: 1996, 7: 1997, 8: 1998, 9: 1999, 10: 2000, 11: 2001}, 'col1': {0: 0, 1: 1, 2: 0, 3: 2, 4: 4, 5: 7, 6: 5, 7: 0, 8: 1, 9: 5, 10: 3, 11: 6}, 'col2': {0: 4, 1: 7, 2: 5, 3: 7, 4: 1, 5: 0, 6: 1, 7: 4, 8: 3, 9: 7, 10: 8, 11: 0}, 'col3': {0: 7, 1: 5, 2: 0, 3: 0, 4: 5, 5: 6, 6: 1, 7: 7, 8: 7, 9: 1, 10: 5, 11: 4}, 'col4': {0: 3, 1: 0, 2: 1, 3: 0, 4: 5, 5: 4, 6: 4, 7: 5, 8: 0, 9: 1, 10: 0, 11: 1}, 'col5': {0: 7, 1: 8, 2: 9, 3: 6, 4: 8, 5: 8, 6: 6, 7: 5, 8: 7, 9: 6, 10: 3, 11: 7}, 'col6': {0: 0, 1: 1, 2: 1, 3: 1, 4: 1, 5: 0, 6: 1, 7: 1, 8: 0, 9: 0, 10: 0, 11: 1}, 'col7': {0: 6, 1: 8, 2: 7, 3: 2, 4: 6, 5: 5, 6: 7, 7: 8, 8: 7, 9: 8, 10: 6, 11: 2}, 'col8': {0: 6, 1: 4, 2: 2, 3: 7, 4: 3, 5: 7, 6: 4, 7: 5, 8: 1, 9: 5, 10: 3, 11: 7}})
df2 = df.melt(id_vars='index')
g = sns.FacetGrid(data=df2, col='index', col_wrap=4)
g.map(sns.barplot, 'variable', 'value', order=df2['variable'].unique())
plt.show()
导入和测试 DataFrame
- 使用
pandas 1.3.0、matplotlib 3.4.2和seaborn 0.11.1 进行了测试
import pandas as pd
import seaborn as sns
# sample dataframe
data = {1990: {'col1': 0, 'col2': 4, 'col3': 7, 'col4': 3, 'col5': 7, 'col6': 0, 'col7': 6, 'col8': 6}, 1991: {'col1': 1, 'col2': 7, 'col3': 5, 'col4': 0, 'col5': 8, 'col6': 1, 'col7': 8, 'col8': 4}, 1992: {'col1': 0, 'col2': 5, 'col3': 0, 'col4': 1, 'col5': 9, 'col6': 1, 'col7': 7, 'col8': 2}, 1993: {'col1': 2, 'col2': 7, 'col3': 0, 'col4': 0, 'col5': 6, 'col6': 1, 'col7': 2, 'col8': 7}, 1994: {'col1': 4, 'col2': 1, 'col3': 5, 'col4': 5, 'col5': 8, 'col6': 1, 'col7': 6, 'col8': 3}, 1995: {'col1': 7, 'col2': 0, 'col3': 6, 'col4': 4, 'col5': 8, 'col6': 0, 'col7': 5, 'col8': 7}, 1996: {'col1': 5, 'col2': 1, 'col3': 1, 'col4': 4, 'col5': 6, 'col6': 1, 'col7': 7, 'col8': 4}, 1997: {'col1': 0, 'col2': 4, 'col3': 7, 'col4': 5, 'col5': 5, 'col6': 1, 'col7': 8, 'col8': 5}, 1998: {'col1': 1, 'col2': 3, 'col3': 7, 'col4': 0, 'col5': 7, 'col6': 0, 'col7': 7, 'col8': 1}, 1999: {'col1': 5, 'col2': 7, 'col3': 1, 'col4': 1, 'col5': 6, 'col6': 0, 'col7': 8, 'col8': 5}, 2000: {'col1': 3, 'col2': 8, 'col3': 5, 'col4': 0, 'col5': 3, 'col6': 0, 'col7': 6, 'col8': 3}, 2001: {'col1': 6, 'col2': 0, 'col3': 4, 'col4': 1, 'col5': 7, 'col6': 1, 'col7': 2, 'col8': 7}}
df = pd.DataFrame.from_dict(data, orient='index')
# display(df.head())
col1 col2 col3 col4 col5 col6 col7 col8
1990 0 4 7 3 7 0 6 6
1991 1 7 5 0 8 1 8 4
1992 0 5 0 1 9 1 7 2
1993 2 7 0 0 6 1 2 7
1994 4 1 5 5 8 1 6 3
用seaborn.catplot
绘图
- 使用
seaborn 0.11.1，正确的方式创建barplotFacetGrid (per the documentation), is withsns.catplot和kind='bar'. - 需要将数据帧从宽格式转换为长格式，这很容易通过重置索引，然后使用
pandas.DataFrame.melt() - A
catplot是一个图形级界面，用于将分类图绘制到 FacetGrid 上。g.set_xticklabels(rotation=90)可用于旋转 xticklabels。- 见
# convert the wide dataframe to a long format with melt
dfm = df.reset_index().melt(id_vars='index', var_name='variable', value_name='value')
# display(dfm.head())
index variable value
0 1990 col1 0
1 1991 col1 1
2 1992 col1 0
3 1993 col1 2
4 1994 col1 4
# plot with catplot and kind='bar'
g = sns.catplot(data=dfm, kind='bar', col='index', col_wrap=4, x='variable', y='value', height=3)
# change the ticklabel rotation if needed
g.set_xticklabels(rotation=90)
# change ylim if needed
g.set(ylim=(0, 30))
用pandas.DataFrame.plot
绘图
- 虽然您询问了
seaborn，但鉴于 OP 中的数据框在索引中包含所有年份，绘制数据的最简单方法是使用.T, and then usepandas.DataFrame.plot[=56 转置数据框=]
# display(df.T.head())
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
col1 0 1 0 2 4 7 5 0 1 5 3 6
col2 4 7 5 7 1 0 1 4 3 7 8 0
col3 7 5 0 0 5 6 1 7 7 1 5 4
col4 3 0 1 0 5 4 4 5 0 1 0 1
col5 7 8 9 6 8 8 6 5 7 6 3 7
# transpose and plot
axes = df.T.plot(kind='bar', subplots=True, layout=[3, 4], figsize=(15, 7), legend=False, rot=0)
# to change ylim of the subplots, if needed
for ax in axes.flatten():
ax.set_ylim(0, 30)