如何使用嵌套的 dict 键作为分类变量来使用 matplotlib 绘制它们？

Question

我习惯于在 R 中使用 ggplot 绘制东西，而我正在努力使用 matplotlib 在 Python 中可视化存储在嵌套 dicts 中的时间序列数据。特别是，我想根据字典的“键”作为分类变量来更改颜色和其他绘图属性。

这是一个非常简单的例子，它看起来像我的嵌套字典：

mydict = {'subdict1': {'test_1': {'trial_1': np.array([[np.arange(0.0, 1.0, 0.01)],
                                                     [np.sin(2*np.pi*np.arange(0.0, 1.0, 0.01))]]),
                                  'trial_2': np.array([[np.arange(0.0, 1.0, 0.01)],
                                                     [np.sin(3*np.pi*np.arange(0.0, 1.0, 0.01))]])},


                      'test_2': {'trial_1': np.array([[np.arange(0.0, 1.0, 0.01)],
                                                     [np.sin(4*np.pi*np.arange(0.0, 1.0, 0.01))]]),
                                 'trial_2': np.array([[np.arange(0.0, 1.0, 0.01)],
                                                       [np.sin(5*np.pi*np.arange(0.0, 1.0, 0.01))]])}}}

我想轻松绘制数组图，但使用 test_n 键 dict 来着色或塑造线条。以下代码绘制了示例数组，但 for 循环中的每次迭代使用不同的颜色：

fig, ax = plt.subplots(1)
for x in mydict.keys():
    for y in mydict[x].keys():
        for z in mydict[x][y].keys():
            ax.plot(mydict[x][y][z][0][0], mydict[x][y][z][1][0])

我知道other possibilities 使用seaborn 或pandas。但是，我的嵌套 dicts 很复杂并且包含许多不同的数组，所以我不确定将所有数据存储为 data_frame 格式是否是个好主意？

或者（尽管这可能是一个不同的问题？），我想知道将我的嵌套字典转换为 R 对象的推荐方法是什么，以便利用R's ggplot 的分类映射功能。

Answer 1

也许您想将所有z 的颜色设置为相同？

fig, ax = plt.subplots(1)
colors = iter(plt.rcParams["axes.prop_cycle"].by_key()['color'])

for x in mydict.keys():
    for y in mydict[x].keys():
        c = next(colors)
        for z in mydict[x][y].keys():
            ax.plot(mydict[x][y][z][0][0], mydict[x][y][z][1][0], color=c, label=z)

ax.legend()      
plt.show()