pandas.plot参数c vs s

Question

我从python的机器学习书中获得以下代码：

copy_set.plot(kind = "scatter" , x = "longitude" , 
              y = "latitude" , alpha = 0.4 , 
              s = copy_set[ "population" ], 
              label = "population" , figsize=(10,7), 
              c = "median_house_value" , cmap = plt.get_cmap ( "jet" ) ) 

median_house_value和population是copy_set数据框中的两列。我不明白为什么s我必须使用copy_set['population']参数c，但是对于参数，只能使用列名median_house_value。当我尝试仅将列名用作parameter时s，收到一条错误消息：

TypeError: ufunc 'sqrt' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

Answer 1

很好的问题。df.plot是matplotlib几个绘图功能的包装。对于kind="scatter"matplotlib的scatter函数将被调用。df.plot()首先将要转换的大多数参数转换为Series您从各自名称的数据框的列中获取的数据。

例如

df.plot(x="lon", y="lat")

将被转换为

ax.scatter(x=df["lon"].values, y=df["lat"].values)

剩余的参数传递给分散，因此

df.plot(x="lon", y="lat", some_argument_pandas_doesnt_know=True)

将导致

ax.scatter(x=df["lon"].values, y=df["lat"].values, some_argument_pandas_doesnt_know=True)

因此，尽管大熊猫皈依个参数x，y，c，它不会这么做的s。s因此，将其简单地传递给ax.scatter，但是matplotlib函数不知道某些字符串的"population"含义。
对于传递给matplotlib函数的参数，需要坚持使用matplotlib的签名，并且在s直接提供数据的情况下。

但是请注意，matplotlib的分散本身也允许使用字符串作为其参数。但是，这需要告诉它应从哪个数据集中获取它们。这是通过data参数完成的。因此，以下工作正常，并且等同于问题中的pandas调用的matplotlib：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np; np.random.seed(42)

df = pd.DataFrame(np.random.rand(20,2), columns=["lon", "lat"])
df["pop"] = np.random.randint(5,300,size=20)
df["med"] = np.random.rand(20)*1e5

fig, ax = plt.subplots(figsize=(10,7))
sc = ax.scatter(x = "lon", y = "lat", alpha = 0.4, 
                s = "pop", label = "population" , 
                c = "med" , cmap = "jet", data=df)
fig.colorbar(sc, label="med")
ax.set(xlabel="longitude", ylabel="latitude")

plt.show()

最后，您现在可能会问，是否data同样无法通过参数通过pandas包装器将数据提供给matplotlib 。不幸的是没有，因为熊猫data在内部使用了作为参数，因此它不会被传递。因此，您有两个选择：

1. 在问题中使用熊猫，并通过s参数而不是列名提供数据本身。
2. 如下所示，使用matplotlib并为所有参数使用列名。（或者使用数据本身，这是您在查看matplotlib代码时最常看到的。）