有没有办法在ggplot中绘制一个熊猫系列？

Question

我正在尝试使用pandas和非matplotlib绘图.好建议在这里.这个问题关于yhat的ggplot,我遇到了两个问题.在熊猫中绘制系列很容易.

frequ.plot()

我不知道如何在ggplot文档中执行此操作.相反,我最终创建了一个数据帧:

cheese = DataFrame({'time': frequ.index, 'count' : frequ.values})
ggplot(cheese, aes(x='time', y='count')) + geom_line()

我希望ggplot--一个"与熊猫紧密集成"的项目 - 有一种方法来绘制一个简单的系列.

第二个问题是当x轴是一天中的时间时,我无法显示stat_smooth().似乎它可能与这篇文章有关,但我没有代表发布那里.我的代码是:

frequ = values.sampler.resample("1Min", how="count")
cheese = DataFrame({'time': frequ.index, 'count' : frequ.values})
ggplot(cheese, aes(x='time', y='count')) + geom_line() + stat_smooth()

任何有关非matplotlib绘图的帮助将不胜感激.谢谢!(我正在使用ggplot 0.5.8)

Answer 1

在处理多个股票价格和经济时间序列时,我经常在Python的ggplot中遇到这个问题.使用ggplot记住的关键是数据最好以长格式组织以避免任何问题.我使用快速的两步过程作为解决方法.首先让我们抓住一些股票数据:

import pandas.io.data as web
import pandas as pd
import time
from ggplot import *

stocks = [ 'GOOG', 'MSFT', 'LNKD', 'YHOO', 'FB', 'GOOGL','HPQ','AMZN'] # stock list

# get stock price function #
def get_px(stock, start, end):
    return web.get_data_yahoo(stock, start, end)['Adj Close']

# dataframe of equity prices   
px = pd.DataFrame({n: get_px(n, '1/1/2014', date_today) for n in stocks})

px.head()
              AMZN     FB  GOOG   GOOGL    HPQ    LNKD   MSFT   YHOO
Date                                                                
2014-01-02  397.97  54.71   NaN  557.12  27.40  207.64  36.63  39.59
2014-01-03  396.44  54.56   NaN  553.05  28.07  207.42  36.38  40.12
2014-01-06  393.63  57.20   NaN  559.22  28.02  203.92  35.61  39.93
2014-01-07  398.03  57.92   NaN  570.00  27.91  209.64  35.89  40.92
2014-01-08  401.92  58.23   NaN  571.19  27.19  209.06  35.25  41.02

首先要了解ggplot需要将datetime索引作为pandas数据帧中的一列,以便在从宽格式转换为长格式时正确绘制.我写了一个函数来解决这个问题.它只是从pandas系列索引创建一个type = datetime的'Date'列.

def dateConvert(df):
  df['Date'] = df.index
  df.reset_index(drop=True)
  return df

从那里运行df上的功能.使用结果作为pandas pd.melt中的对象,使用'Date'作为id_vars.现在可以使用标准ggplot()格式绘制返回的df.

px_returns = px.pct_change() # common stock transformation
cumRet = (1+px_returns).cumprod() - 1 # transform daily returns to cumulative 
cumRet_dateConverted = dateConvert(cumRet) # run the function here see the result below#

cumRet_dateConverted.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 118 entries, 2014-01-02 00:00:00 to 2014-06-20 00:00:00
Data columns (total 9 columns):
AMZN     117 non-null float64
FB       117 non-null float64
GOOG     59 non-null float64
GOOGL    117 non-null float64
HPQ      117 non-null float64
LNKD     117 non-null float64
MSFT     117 non-null float64
YHOO     117 non-null float64
Date     118 non-null datetime64[ns]
dtypes: datetime64[ns](1), float64(8)


data = pd.melt(cumRet_dateConverted, id_vars='Date').dropna() # Here is the method I use to format the data in the long format. Please note the use of 'Date' as the id_vars.

data = data.rename(columns = {'Date':'Date','variable':'Stocks','value':'Returns'}) # common to rename these columns

从这里,您现在可以根据需要绘制数据.我使用的常见情节如下:

retPlot_YTD = ggplot(data, aes('Date','Returns',color='Stocks')) \
+ geom_line(size=2.) \
+ geom_hline(yintercept=0, color='black', size=1.7, linetype='-.') \
+ scale_y_continuous(labels='percent') \
+ scale_x_date(labels='%b %d %y',breaks=date_breaks('week') ) \
+ theme_seaborn(style='whitegrid') \
+ ggtitle(('%s Cumulative Daily Return vs Peers_YTD') % key_Stock) 

fig = retPlot_YTD.draw()
ax = fig.axes[0]
offbox = ax.artists[0]
offbox.set_bbox_to_anchor((1, 0.5), ax.transAxes)
fig.show()

Answer 2

这是一种解决方法,但您可以使用qplot系列快速简写图.

from ggplot import *
qplot(meat.beef)