使用 matplotlib 在单个散点图中可视化两个 pandas 数据帧

Question

我有两个具有相同列名的 pandas 数据框。

数据框 1：

数据框 2：

1. 两个数据框具有相同的列名。我需要可视化 两个 dfs 在同一个散点图中，其中 X 轴是值 出现在“功能”列中，即 D1_1_2、D1_2_3 等
2. 所有条目（或标签）都需要单个散点图，例如： 'D1_1_2'、'D1_2_3' 等，在 'function' 列中作为 X 轴。 Y 轴可以动态选取数值。
3. 两个数据框值的颜色不同。
4. 在重叠值之间添加间距或抖动。

在这方面需要支持。

Answer 1

通过以下示例，您可能会了解如何做您正在寻找的东西：

import pandas as pd
import matplotlib.pyplot as plt
index = ["D1_1-2", "D1_2-3", "D1_3-4"]
df1 = pd.DataFrame({"count": [10, 20, 25]}, index=index)
df2 = pd.DataFrame({"count": [15, 11, 30]}, index=index)
ax = df1.plot(style='ro', legend=False)
df2.plot(style='bo',ax=ax, legend=False)
plt.show()

关键是要求df2 的绘图使用df1 绘图的轴。

你得到的情节如下：

有抖动的方法：

如果您想为数据添加抖动，一种方法可以如下所示，我们不使用先前的绘图轴，而是连接数据帧并对其进行迭代：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
index = ["D1_1-2", "D1_2-3", "D1_3-4", "D1_4-5", "D1_5-6", "D1_6-7", "D1_7-8", "D1_8-9", "D1_1-3", "D1_2-3", "D1_3-5", "D1_5-7"]
df1 = pd.DataFrame({"count": [10, 20, 25, 30, 32, 35, 25, 15, 5, 17, 11, 2]}, index=index)
df2 = pd.DataFrame({"count": [15, 11, 30, 30, 20, 30, 25, 27, 5, 16, 11, 5]}, index=index)

#We ensure we use different column names for df1 and df2
df1.columns = ["count1"]
df2.columns = ["count2"]

#We concatenate the dataframes
df = pd.concat([df1, df2],axis=1)

#Function to add jitter to the array
def rand_jitter(arr):
    stdev = .01*(max(arr)-min(arr))
    return arr + np.random.randn(len(arr)) * stdev

# We iterate between the two columns of the concatenated dataframe
for i,d in enumerate(df):
    y = df[d]
    arr = range(1,len(y)+1)
    x = rand_jitter(arr)
    plt.plot(x, y, mfc = ["red","blue"][i], mec='k', ms=7, marker="o", linestyle="None")

# We set the ticks as the index labels and rotate the labels to avoid overlapping
plt.xticks(arr, index, rotation='vertical')
plt.show()

最终结果如下图：