Python：如何为单个轨迹添加辅助 x 轴？

Question

我有一个 DataFrame（请参阅下面的“测试数据”部分），我想添加一个辅助 x 轴（在顶部）。但是这个轴必须从 0 到 38.24(ms)。这是“时间”列中所有值的总和。它表示执行 4 个推理所需的总时间。 到目前为止，我已经尝试了 'twinx()' 没有成功。

我该怎么做？有可能还是我缺乏信息？

测试数据：

raw_data = {'Time': [21.9235, 4.17876, 4.02168, 3.81504, 4.2972],
            'TPU': [33.3, 33.3, 33.3, 33.3, 33.3],
            'CPU': [32, 32, 32, 32, 32],
            'MemUsed': [435.92, 435.90, 436.02, 436.02, 436.19]}

df_m=pd.DataFrame(raw_data, columns = ['Time', 'TPU', 'CPU', 'MemUsed'])

df_m

##Sum of all values in column Time(ms)
(df_m.iloc[:, 0].sum())

##Time per inference(ms)
ax = df_m.plot(kind = 'line', y = 'MemUsed', grid = True)
ax.set_xlabel("NUMBER OF INFERENCES")
ax.set_ylabel("MemUsed(MB)")

我尝试过的：

ax = df_m.plot(kind = 'line', y = 'MemUsed', grid = True)
df_m.plot(kind='line', ax=ax.twinx(), secondary_x=range(0, 39))
ax.set_xlabel("NUMBER OF INFERENCES")
ax.set_ylabel("MemUsed(MB)")

输出图表：

大桌子长什么样子

Answer 1

除了您对 plotly 的积极评价之外，这里是一个如何为您的数据集实现多 xaxis 的示例。

代码比看起来简单得多。由于我已格式化 dicts 以便于阅读，代码显得“冗长”。

关键要素是：

• 添加 time 列 (time_c) 的累积总和以用于 xaxis2。
• 添加与xaxis 对齐的隐藏轨迹，以及与xaxis2 对齐的时间数据。如果没有隐藏的轨迹，则两个轴都不会出现，或者它们会出现但未对齐，因为只绘制了一条轨迹。

（更新）示例代码：

以下代码已更新，以解决 OP 在处理更大（70k 行）数据集时遇到的问题。

密钥更改是对 layout['xaxis'] 和 layout['xaxis2'] 字典的更新，以包含 'type': 'category'、'nticks' 和定义的 'range' 密钥。

import pandas as pd
from plotly.offline import plot

# Create the dataset.
raw_data = {'time': [21.9235, 4.17876, 4.02168, 3.81504, 4.2972],
            'tpu': [33.3, 33.3, 33.3, 33.3, 33.3],
            'cpu': [32, 32, 32, 32, 32],
            'memused': [435.92, 435.90, 436.02, 436.02, 436.19]}

df = pd.DataFrame(raw_data)
df['time_c'] = df['time'].cumsum().round(2)

# Plotting code.
data = []
layout = {'margin': {'t': 105},
          'title': {'text': 'Example Showing use of Secondary X-Axis', 
                    'y': 0.97}}

# Create a (hidden) trace for the xaxis.
data.append({'x': df.index,
             'y': df['memused'],
             'showlegend': False,
             'mode': 'markers', 
             'marker': {'size': 0.001}})
# Create the visible trace for xaxis2.
data.append({'x': df['time_c'],
             'y': df['memused'],
             'xaxis': 'x2',
             'name': 'Inference'})

# Configure graph layout.
nticks = int(df.shape[0] // (df.shape[0] * 0.05))
layout['xaxis'] = {'title': 'Number of Inferences',
                   'nticks': nticks,
                   'range': [df.index.min(), df.index.max()],
                   'tickangle': 45,
                   'type': 'category'}
layout['xaxis2'] = {'title': 'Time(ms)', 
                    'nticks': nticks,
                    'overlaying': 'x1', 
                    'range': [df['time_c'].min(), df['time_c'].max()],
                    'side': 'top', 
                    'tickangle': 45,
                    'type': 'category'}
layout['yaxis'] = {'title': 'Memory Used (MB)'}

fig = {'data': data, 'layout': layout}
plot(fig, filename='/path/to/graph.html')

示例图（原始数据集）：

为了简化代码，我有意省略了任何额外的外观配置。但是，参考顶级 plotly docs，这些图表是高度可配置的。

示例图（新数据集）：

此图使用来自另一个答案的（更大的，70k 行）合成数据集。

Answer 2

虽然通常不鼓励，但我会发布另一个答案来解决新数据集，因为之前的答案在给定原始数据集的情况下有效。

此示例与辅助 x 轴的原始请求不同，原因有两个：

1. 由于（新）数据集的大小，绘制“隐藏”数据层并不是最佳选择。
2. 要正确显示第二个 x 轴，必须绘制第二个趋势，鉴于前面的原因，这不再是一个选项。

因此，采用了一种不同的方法 - x 轴的组合标签。而不是绘制两个轴，单个 x 轴具有两个必需的标签。

示例图表：

注意：这是（显然）合成数据，为了达到更新问题的行数（70k）。

示例代码：

import numpy as np
import pandas as pd
from plotly.offline import plot

# Synthesised dataset. (This code can be ignored.)
np.random.seed(0)
a = np.random.exponential(size=70000)*4
t = pd.Series(a).rolling(window=2000, min_periods=50).mean().to_numpy()
r = np.arange(70000).astype(str)
m = t*100

df = pd.DataFrame({'run': r, 
                   'time': t,
                   'memused': m}).dropna()

# Add cumulative time column.
df['time_c'] = df['time'].cumsum().round(1)


# --- Graphing code starts here ---

def create_labels(x):
    """Function to create xaxis labels."""
    return f"({x['run']}): {x['time_c']}"

# Create xaxis labels.
df['xaxis'] = df.apply(create_labels, axis=1)

# Create the graph.
data = []
layout = {'title': 'Combined X-Axis Labeling'}
data.append({'x': df['xaxis'], 
             'y': df['memused']})

layout['xaxis'] = {'title': '(Inference): Cumulative Time (ms)', 
                   'type': 'category', 
                   'nticks': df.shape[0] // 3500,
                   'tickangle': 45}
layout['yaxis'] = {'title': 'Memory Used (MB)'}


fig = {'data': data, 'layout': layout}
plot(fig, filename='/path/to/graph.html')