绘图和 GroupBy 方法

Question

我刚刚学习利用 Pandas 中的 DataFrames，我想使用 GroupBy 方法生成以下图表：

我有两个数据框，一个用于 x 轴信息，一个用于 y。在每个数据框中，有三个版本的数据，比如“A”、“B”、“C”。我需要为每一个（即三行）绘制一个 y 与 x 的图。

示例代码：

df_x

<class 'pandas.core.frame.DataFrame'>
Int64Index: 100 entries, 0 to 99
Data columns (total 3 columns):
A     100  non-null values
B      100  non-null values
C    100  non-null values
dtypes: float64(2), object(1)

df_y

<class 'pandas.core.frame.DataFrame'>
Int64Index: 100 entries, 0 to 99
Data columns (total 3 columns):
A     100  non-null values
B      100  non-null values
C    100  non-null values
dtypes: float64(2), object(1)

有没有一种快速的方法来生成所需的绘图，避免循环并使用 Pandas 方法？我正在考虑合并两个框架并使用 GroupBy 方法，但我不知道如何去做。

谢谢！

Answer 1

我认为你可以直接使用 pyplot 来绘制这个图：

In [11]: plot(df_x, df_y)  # matplotlib.pyplot.plot
Out[11]:
[<matplotlib.lines.Line2D at 0x109c02910>,
 <matplotlib.lines.Line2D at 0x109c02b90>,
 <matplotlib.lines.Line2D at 0x109c02ed0>]

看来你需要在之后设置图例：

pylab.legend(df_x.columns)

如果你真的想将你的数据重塑成一个表格来使用.plot，也许你可以使用：

In [21]: df_x = pd.DataFrame([[1,2,1],[2,3,4]], columns=list('ABC'))

In [22]: df_y = pd.DataFrame([[2,6,1],[4,9,4]], columns=list('ABC'))

In [23]: pd.DataFrame({'x': df_x.stack(), 'y': df_y.stack()}).reset_index(level=1).pivot('x', 'level_1', 'y')
Out[23]:
level_1   A   B   C
x
1         2 NaN   1
2         4   6 NaN
3       NaN   9 NaN
4       NaN NaN   4

这将大大降低效率（占用比它需要的更多的空间），因为它包含大量丢失的数据。