Python：在单行的两个不同列中绘制逗号分隔值（Pandas）

Question

假设我有一个结构如下的数据框：

Name        x        y
Joe       0,1,5    0,3,8
Sue       0,2,8    1,9,5
...
Harold    0,5,6    0,7,2

我想将 x 轴和 y 轴中的值绘制在基于行的折线图上。实际上，有许多 x 和 y 值，但这些列中的每个 y 值始终对应一个 x 值。绘图的名称将是“名称”中的值。

我尝试通过首先将 x 和 y 转换为各自单独列中的列表来实现此目的，如下所示：

df['xval'] = df.['x'].str.split(',')
df['yval'] = df.['y'].str.split(',')

然后将它们传递给seaborn：

ax = sns.lineplot(x=df['xval'], y=df['yval'], data=df)

但是，这不起作用，因为 1）我收到一个错误，我认为这是由于尝试从数据帧传递列表所致，声称：

TypeError: unhashable type: 'list'

2）我无法为特定线图指定 df['name'] 的值。解决这个问题的最佳方法是什么？

Answer 1

数据和导入：

import pandas as pd
import seaborn as sns
from matplotlib import pyplot as plt

df = pd.DataFrame({
    'name': ['joe', 'sue', 'mike'],
    'x': ['0,1,5', '0,2,8', '0,4'],
    'y': ['0,3,8', '1,9,5', '1,6']
})

我们应该转换df成可用的绘图格式。这使得所有的绘图变得更加容易。我们可以利用这一事实x并y建立一对一的关系。请注意，我添加了第三个名称，其 xy 值为 2（而不是 3），以表明只要每行具有相同数量的 x 和 y 值，此方法就适用于每个名称的不同数量的 x 和 y。

创建plot_df：

# Grab Name Column to Start Plot DF with
plot_df = df.loc[:, ['name']]
# Split X column
plot_df['x'] = df['x'].str.split(',')
# Explode X into Rows
plot_df = plot_df.explode('x').reset_index(drop=True)
# Split and Series Explode y in one step
# This works IF AND ONLY IF a 1-to-1 relationship for x and y
plot_df['y'] = df['y'].str.split(',').explode().reset_index(drop=True)
# These need to be numeric to plot correctly
plot_df.loc[:, ['x', 'y']] = plot_df.loc[:, ['x', 'y']].astype(int)

plot_df：

   name  x  y
0   joe  0  0
1   joe  1  3
2   joe  5  8
3   sue  0  1
4   sue  2  9
5   sue  8  5
6  mike  0  1
7  mike  4  6

创建时使用的方法参考plot_df：

1. DataFrame.loc对数据框进行子集化
2. Series.str.split将逗号分隔的值拆分为列表
3. DataFrame.explode基于中的可迭代来升级 DataFramex
4. DataFrame.reset_index使索引在爆炸后再次唯一
5. Series.explode升级系列中的列表y。
6. Series.reset_index使索引在爆炸后再次唯一
7. DataFrame.astype因为这些值最初是字符串，仅分裂和爆炸是不够的。需要转换为数字类型才能正确绘制

绘图（选项 1）

# Plot with hue set to name.
sns.lineplot(data=plot_df, x='x', y='y', hue='name')
plt.show()

绘制单独线条的参考：

1. sns.lineplot来策划。请注意hue基于 来创建单独行的参数name。
2. pyplot.show显示。

绘制（选项 2.a）子图：

sns.relplot(data=plot_df, x='x', y='y', col='name', kind='line')
plt.tight_layout()
plt.show()

绘图（选项 2.b）子图：

# Use Grouper From plot_df
grouper = plot_df.groupby('name')

# Create Subplots based on the number of groups (ngroups)
fig, axes = plt.subplots(nrows=grouper.ngroups)

# Iterate over axes and groups
for ax, (grp_name, grp) in zip(axes, grouper):
    # Plot from each grp DataFrame on ax from axes
    sns.lineplot(data=grp, x='x', y='y', ax=ax, label=grp_name)

plt.show()

绘制子图的参考：

2.a

1. relplot或row参数col可用于以与创建多条线类似的方式创建子图hue。这将返回一个seaborn.FacetGrid所以后处理将不同于lineplot返回matplotlib.axes.Axes

2.b

1. groupby创建可用于绘制子图的迭代。
2. pyplot.subplots创建要绘制的子图。
3. groupby.ngroup计算组数。
4. zip同时迭代轴和组。
5. sns.lineplot来策划。需要注意label的是有图例。grp_name包含当前 DataFrame 中通用的当前键grp。
6. pyplot.show显示。

绘图选项 3（单独绘图）：

# Plot from each grp DataFrame in it's own plot
for grp_name, grp in plot_df.groupby('name'):
    fig, ax = plt.subplots()
    sns.lineplot(data=grp, x='x', y='y', ax=ax)
    ax.set_title(grp_name)
    fig.show()

乔情节	麦克情节	苏阴谋

绘制单独图的参考：

1. groupby创建可用于单独绘制每个名称的迭代。
2. pyplot.subplots创建单独的绘图来绘制。
3. sns.lineplot来策划。需要注意label的是有图例。grp_name包含当前 DataFrame 中通用的当前键grp。
4. pyplot.show显示。