pandas / matplotlib：刻面条形图 [英] pandas / matplotlib: faceting bar plots

问题描述

我正在制作一系列具有两个分类变量和一个数字的条形图数据。我有下面这些，但是我想做的就是在 ggplot facet_wrap 中的一个分类变量C $ C>。我有一个有点工作的例子，但我得到了错误的绘图类型（线条而不是线条），并且我在一个循环中对数据进行了子集化 - 这不是最好的方法。

  ## first try  -  plain vanilla 
将pandas导入为pd 
导入numpy为np 
 N = 100 
 
 ##产生玩具数据
 ind = np.random.choice（['a'，'b'，'c']，N）
 cty = np.random.choice（[ 'x'，'y'，'z']，N）
 jobs = np.random.randint（low = 1，high = 250，size = N）
 
 ## prep数据框
 df_city = pd.DataFrame（{'industry'：ind，'city'：cty，'jobs'：jobs}）
 df_city_grouped = df_city.groupby（['city'，'industry' ]）。jobs.sum（）。unstack（）
 df_city_grouped.plot（kind ='bar'，stacked = True，figsize =（9，6））
  

这样的结果如下：

  city industry jobs 
 0 zb 180 
 1 zc 121 
 2 xa 33 
 3 za 121 
 4 zc 236 
  

然而，我想看到的是这样的：

  ## R code 
 library（plyr）
 df_city< -read.csv（'/ home / aksel / Downloads / mockcity.csv'，sep ='\t'）
 
 ##总结
 df_city_grouped < -  ddply（df_city，。（city，industry），summarize，jobstot = sum（jobs））
 
 ## plot 
 ggplot（df_city_grouped，aes（x = industry，y = jobstot））+ 
 geom_bar（stat ='identity'）+ 
 facet_wrap（〜city）
  

我用matplotlib得到的最接近的是这样的：

  cols = df_city.city.value_counts（）。shape [0] 
 fig，axes = plt.subplots（1，cols，figsize =（8，8））
 
 for x，city在枚举（df_city.city.value_counts（）。index.values）中：
 data = df_city [（df_city ['city'] == city）] 
 data = data.groupby（['industry']）。jobs.sum（）
 axes [x] .plot（data）
  

所以有两个问题：

1. 我可以做柱状图（它们如图所示绘制线条）使用AxesSubplot对象，并以 ggplot 示例中的facet_wrap示例的行结束。


2. 在生成图表的循环（如此尝试）中，我将每个数据分为子集。我无法想象这是做这种刻面的正确方式？
第二个例子在这里： http://pandas-docs.github.io/pandas-docs-travis/visualization.html#bar-plots




无论如何，你总是可以亲自操作，就像你自己一样。





编辑：
顺便说一句，你总是可以在Python中使用rpy2，所以你可以做所有相同的事情在R。





另外，看看这个： http://pandas.pydata.org/pandas-docs/stable/rplot。 html
我不确定，但它应该有助于在许多面板上创建图表，但可能需要进一步阅读。




I am making a series of bar plots of data with two categorical variables and one numeric. What i have is the below, but what I would love to do is to facet by one of the categorical variables as with facet_wrap in ggplot. I have a somewhat working example, but I get the wrong plot type (lines and not bars) and I do subsetting of the data in a loop--that can't be the best way.

## first try--plain vanilla
import pandas as pd
import numpy as np
N = 100

## generate toy data
ind = np.random.choice(['a','b','c'], N)
cty = np.random.choice(['x','y','z'], N)
jobs = np.random.randint(low=1,high=250,size=N)

## prep data frame
df_city = pd.DataFrame({'industry':ind,'city':cty,'jobs':jobs})
df_city_grouped = df_city.groupby(['city','industry']).jobs.sum().unstack()
df_city_grouped.plot(kind='bar',stacked=True,figsize=(9, 6))

This gives something like this:

  city industry  jobs
0    z        b   180
1    z        c   121
2    x        a    33
3    z        a   121
4    z        c   236

However, what i would like to see is something like this:

## R code
library(plyr)
df_city<-read.csv('/home/aksel/Downloads/mockcity.csv',sep='\t')

## summarize
df_city_grouped <- ddply(df_city, .(city,industry), summarise, jobstot = sum(jobs))

## plot
ggplot(df_city_grouped, aes(x=industry, y=jobstot)) +
  geom_bar(stat='identity') +
  facet_wrap(~city)

The closest I get with matplotlib is something like this:

cols =df_city.city.value_counts().shape[0]
fig, axes = plt.subplots(1, cols, figsize=(8, 8))

for x, city in enumerate(df_city.city.value_counts().index.values):
    data = df_city[(df_city['city'] == city)]
    data = data.groupby(['industry']).jobs.sum()
    axes[x].plot(data)

So two questions:

1. Can I do bar plots (they plot lines as shown here) using the AxesSubplot object and end up with something along the lines of the facet_wrap example from ggplot example;
2. In loops generating charts such as this attempt, I subset the data in each. I can't imagine that is the 'proper' way to do this type of faceting?

解决方案

Second example here: http://pandas-docs.github.io/pandas-docs-travis/visualization.html#bar-plots

Anyway, you can always do that by hand, as you did yourself.

EDIT: BTW, you can always use rpy2 in python, so you can do all the same things as in R.

Also, have a look at this: http://pandas.pydata.org/pandas-docs/stable/rplot.html I am not sure, but it should be helpful for creating plots over many panels, though might require further reading.

这篇关于 pandas / matplotlib：刻面条形图的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！