小编Pat*_*llo的帖子

我有一个 networkx 图的图，其中边颜色取决于使用以下代码（使用a_netwnx.Graph）分配给各个边的权重：

a_netw_edges = a_netw.edges()
a_netw_weights = [a_netw[source][dest]['weight'] for source, dest in a_netw_edges]
a_netw_colors = [plt.cm.Blues(weight*15) for weight in a_netw_weights]
nx.draw_networkx(a_netw, edges=a_netw_edges, width=1, edge_color=a_netw_colors)

在这个图中，我想添加一个图例，使权重和颜色之间的联系变得明确；就像在使用pcolor.

虽然我对如何开始有一个粗略的想法：

fig, axes = plt.subplots(nrows=2)
nx.draw_networkx(a_netw, edges=a_netw_edges, width=1, edge_color=a_netw_colors, ax=axes[0])
axes[0].get_xaxis().set_visible(False)
axes[0].get_yaxis().set_visible(False)
gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))
axes[1].imshow(gradient, aspect=3, cmap=plt.cm.Blues)
axes[1].get_yaxis().set_visible(False)
plt.tight_layout()

我不知道如何执行以下步骤：

1. 在相关轴上添加正确的刻度以获取与权重的连接。
2. 垂直绘制而不是水平绘制。

给出如下所示的DataFrame：

import numpy as np
import pandas as pd
from pandas import DataFrame

idx = pd.MultiIndex.from_product([["Project 1", "Project 2"], range(1,3)],
                         names=['Project', 'Ord'])
df = DataFrame({'a': ["foo", np.nan, np.nan, "bar"],
                'b': [np.nan, "one", "two", np.nan]},
               index=idx)

Out:

                 a    b
Project   Ord          
Project 1 1    foo  NaN
          2    NaN  one
Project 2 1    NaN  two
          2    bar  NaN

我想合并具有相同外部索引的行（请注意，在每种情况下，只有一个非nan值）。

我当前使用的解决方案涉及两个分组操作：

df.index = df.index.droplevel(1)
df.groupby(df.index).ffill().groupby(df.index).last()

并给了我预期的结果：

Out:
             a    b
Project            
Project 1  foo  one
Project 2  bar  two

必须使用两个groupby-operation似乎过多，因为我需要的是一个聚合函数，该函数从列表中返回单个非nan值。但是，我无法想到将dropna用作聚合函数的方法。