如何使用包含字符串的某些列在 Pandas DataFrame 上绘制平行坐标？

Question

我想为pandas包含带有数字的列和其他包含字符串作为值的列的DataFrame绘制平行坐标。

问题描述

我有以下测试代码，用于绘制带有数字的平行坐标：

import pandas as pd
import matplotlib.pyplot as plt
from pandas.tools.plotting import parallel_coordinates

df = pd.DataFrame([["line 1",20,30,100],\
    ["line 2",10,40,90],["line 3",10,35,120]],\
    columns=["element","var 1","var 2","var 3"])
parallel_coordinates(df,"element")
plt.show()

最终显示以下图形：

但是，我想尝试的是向我的绘图中添加一些带有字符串的变量。但是当我运行以下代码时：

df2 = pd.DataFrame([["line 1",20,30,100,"N"],\
    ["line 2",10,40,90,"N"],["line 3",10,35,120,"N-1"]],\
    columns=["element","var 1","var 2","var 3","regime"])
parallel_coordinates(df2,"element")
plt.show()

我收到此错误：

ValueError：float() 的无效文字：N

我想这意味着parallel_coordinates函数不接受字符串。

我正在尝试做的示例

我正在尝试做类似这个例子的事情，其中​​种族和性别是字符串而不是数字：

题

有没有办法使用 执行这样的图形pandas parallel_coordinates？如果没有，我怎么能尝试这样的图形？也许与matplotlib？

我必须提到我特别在Python 2.5下寻找 带有 pandas 版本的解决方案0.9.0。

Answer 1

我并不完全清楚你想用这个regime专栏做什么。

如果问题只是它的存在阻止了情节显示，那么您可以简单地从情节中省略有问题的列：

parallel_coordinates(df2, class_column='element', cols=['var 1', 'var 2', 'var 3'])

查看您提供的示例，然后我明白您希望以某种方式将分类变量放置在垂直线上，并且类别的每个值都由不同的 y 值表示。我做对了吗？

如果我是，那么您需要将分类变量（此处为regime）转换为数值。为此，我使用了在本网站上找到的提示。

df2.regime = df2.regime.astype('category')
df2['regime_encoded'] = df2.regime.cat.codes


print(df2)
    element var 1   var 2   var 3   regime  regime_encoded
0   line 1  20      30      100     N       0
1   line 2  10      40      90      N       0
2   line 3  10      35      120     N-1     1

此代码创建一个新列 ( regime_encoded)，其中类别制度的每个值都由一个整数编码。然后，您可以绘制新数据框，包括新创建的列：

parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")

问题是分类变量 (0, 1) 的编码值与其他变量的范围无关，因此所有行似乎都趋向于同一点。答案是与数据范围相比缩放编码（在这里我这样做非常简单，因为你的数据在 0 到 120 之间，如果在你的真实数据帧中不是这种情况，你可能需要从最小值开始缩放）。

df2['regime_encoded'] = df2.regime.cat.codes * max(df2.max(axis=1, numeric_only=True))
parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")

为了更好地适应您的示例，您可以添加注释：

df2['regime_encoded'] = df2.regime.cat.codes * max(df2.max(axis=1, numeric_only=True)
parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")
ax = plt.gca()
for i,(label,val) in df2.loc[:,['regime','regime_encoded']].drop_duplicates().iterrows():
    ax.annotate(label, xy=(3,val), ha='left', va='center')