如何将 pandas 多索引数据框绘制为 3d答案

【问题标题】：How can I plot a pandas multiindex dataframe as 3d如何将 pandas 多索引数据框绘制为 3d
【发布时间】：2016-12-31 17:07:45
【问题描述】：

我有一个数据框 df 分组如下：

Year    Product Sales
2010        A   111
            B   20
            C   150
2011        A   10
            B   28
            C   190
            …   …

我想在matplotlib 中将其绘制为 3d 图表，其中Year 作为 x 轴，Sales 在 y 轴上，Product 在 z 轴上。

我一直在尝试以下方法：

from mpl_toolkits.mplot3d import axes3d
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
X = dfgrouped['Year']
Y = dfgrouped['Sales']
Z = dfgrouped['Product']
ax.bar(X, Y, Z, color=cs, alpha=0.8)

不幸的是我得到了

"ValueError: 尺寸不兼容: 参数 'height' 的长度必须为 7 或标量"

【问题讨论】：

标签： python pandas matplotlib 3d seaborn

【解决方案1】：

您可以使用Pandas 绘制一个 3D 条形图，如图所示：

设置：

arrays = [[2010, 2010, 2010, 2011, 2011, 2011],['A', 'B', 'C', 'A', 'B', 'C']]
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=['Year', 'Product'])         

df = pd.DataFrame({'Sales': [111, 20, 150, 10, 28, 190]}, index=index)
print (df)

              Sales
Year Product       
2010 A          111
     B           20
     C          150
2011 A           10
     B           28
     C          190

数据整理：

import numpy as np
import pandas as pd
from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt

# Set plotting style
plt.style.use('seaborn-white')

对出现在“销售”列中的类似条目 (get_group) 进行分组并遍历它们，然后将它们附加到 list。这使用np.hstack 水平堆叠，形成3d 图的z 维度。

L = []
for i, group in df.groupby(level=1)['Sales']:
    L.append(group.values)
z = np.hstack(L).ravel()

让 x 和 y 维度上的标签采用多索引数据帧各自级别的唯一值。然后 x 和 y 维度取这些值的范围。

xlabels = df.index.get_level_values('Year').unique()
ylabels = df.index.get_level_values('Product').unique()
x = np.arange(xlabels.shape[0])
y = np.arange(ylabels.shape[0])

使用np.meshgrid从坐标向量返回坐标矩阵

x_M, y_M = np.meshgrid(x, y, copy=False)

3-D 绘图：

fig = plt.figure(figsize=(10, 10))
ax = fig.add_subplot(111, projection='3d')

# Making the intervals in the axes match with their respective entries
ax.w_xaxis.set_ticks(x + 0.5/2.)
ax.w_yaxis.set_ticks(y + 0.5/2.)

# Renaming the ticks as they were before
ax.w_xaxis.set_ticklabels(xlabels)
ax.w_yaxis.set_ticklabels(ylabels)

# Labeling the 3 dimensions
ax.set_xlabel('Year')
ax.set_ylabel('Product')
ax.set_zlabel('Sales')

# Choosing the range of values to be extended in the set colormap
values = np.linspace(0.2, 1., x_M.ravel().shape[0])

# Selecting an appropriate colormap
colors = plt.cm.Spectral(values)
ax.bar3d(x_M.ravel(), y_M.ravel(), z*0, dx=0.5, dy=0.5, dz=z, color=colors)
plt.show()

注意：

如果groupby 对象不平衡，您仍然可以通过unstacking 进行处理并用 0 填充 Nans，然后将 stacking 填充如下：

df = df_multi_index.unstack().fillna(0).stack()

df_multi_index.unstack 是您的原始多索引数据框。

对于添加到多索引数据框的新值，得到以下图表：

【讨论】：

感谢 Nickil Maveli，这似乎让我更接近解决方案。我已经编辑了这个问题，以更好地展示我想要实现的目标。在您的回答中，条形图是平的，并且它们没有显示在每个产品的位置上？我总是必须做 reset_index 来做情节吗？
我希望我的编辑回复确实是您想要的样子。我保持 Multi-Index 数据框对象不变，因此您可以在不使用 reset_index 将其转换为 dataframe 对象的情况下绘制它。
太棒了！谢谢你。我想我仍然需要稍微消化一下代码:-)唯一的事情是，如果我向数据框添加另一个值，它就不再起作用了，例如'2012' 'A' '105' 然后我收到错误'ValueError：操作数无法与形状一起广播（42,1）（54,4）'你知道我必须在哪里更改代码吗？
是的。这些是我早期方法的缺点。我已经纠正了它并显示了你提到的新值的图。
非常感谢。这是一个很好的解决方案！