绘图时将熊猫（python）分类x轴转换为连续值答案

【问题标题】：Convert pandas (python) categorical x-axis to continuous values when plotting绘图时将熊猫（python）分类x轴转换为连续值
【发布时间】：2016-08-15 09:04:28
【问题描述】：

我正在使用 matplotlib plot 命令（即series.plot()，其中series 是我的系列）在python 中绘制熊猫系列。该系列的部分内容如下：

(1, 1.1]      0.000000
(1.1, 1.2]    0.000000
(1.2, 1.3]    0.000000
(1.3, 1.4]    0.003115
(1.4, 1.5]    0.002625
(1.5, 1.6]    0.000000
(1.6, 1.7]    0.001464
...           ...
(4.9, 5.0]    0.737385
Name: series, dtype: float64

我的数据框图是shown here（本例中的红线）。我希望 x 轴从 1.0 变为 5.0，而不是显示 bin 类别。我怎样才能做到这一点？使用plt.xticks 似乎不起作用。

【问题讨论】：

我想了解您的问题：您希望刻度标记为1.0, 1.1, 1.2, ... 5.0 还是(1.0, 1.5], (1.5, 2.0], ...？
是的，没错。或者，真的，[1.0,1.5,2.0,2.5,3.0,3.5,4.0,4.5,5.0] 会很好，但就是这样。
x 变量是存储为字符串的类别？
老实说，我不确定。当我执行series.dtype 时，它返回dtype('float64')，但我认为这是在谈论最右边的列（即y 轴）。注意：它实际上是一个系列，而不是一个数据框。
你能发布更多你的代码吗？

标签： python pandas matplotlib plot

【解决方案1】：

这个系列是从哪里来的？通常，我有一个连续值列X 和Y 的大数据框，然后根据X 值定义X-binss。之后，按X-bins 分组以计算Y 的平均值（或加权平均值、总和或任何其他聚合函数），以获得与您类似的系列。如果是这种情况，我建议在此过程中计算X 的平均值，并根据平均值绘制X 而不是X-bins。这将比取 bin 的左/右端点或中点进行绘图更精确。例如，

df['Xbin'] = pd.cut(df['X'], np.arange(0,10,0.1))

代替

ser = df.groupby('Xbin')['Y'].mean()
ser.plot()

做

df2 = df.groupby('Xbin')[['X','Y']].mean()
df2.plot(x='X', y='Y')

【讨论】：

感谢您的回复！你几乎读懂了我的想法。后一种方法效果更好，我确实在做前者。我肯定需要更熟悉groupby，因为它对我来说还是有点陌生。不过，您的解决方案很完美，非常感谢。

【解决方案2】：

根据我们的讨论，您的系列有一个索引，它是一串间隔，例如。 '(1,1.1]' 是系列中第一项的索引。

我能够使用以下代码重现您的问题：

import pandas as pd
import numpy as np

x1 = np.arange(0,5,.1)
x2 = np.arange(0.1,5.1,.1)
y = x1**2

df = pd.DataFrame(np.vstack((x1,x2,y)).T, columns=['x1','x2','y'])
df['xRange'] = '(' + df.x1.map(str) + ', ' + df.x2.map(str) + ']'
series = df.set_index('xRange', drop=True)['y']
series.plot()

要正确仅使用 series 对象标记刻度，您需要剥离索引并拉出间隔的第一部分。

您可以通过以下方式恢复数据框以进行绘图：

new_df = pd.DataFrame(series)
new_index = series.index.map(lambda s: float(s.split(',')[0].replace('(','')))
new_df.set_index(new_index, inplace=True)
new_df.plot()

【讨论】：