web-dev-qa-db-ja.com

Pythonのpandasのデータフレームからmatplotlib散布図を作成する

Pythonでmatplotlibデータフレームからpandasを使用して一連の散布図を作成する最良の方法は何ですか？

たとえば、興味のある列を持つデータフレームdfがある場合、通常はすべてを配列に変換します。

import matplotlib.pylab as plt
# df is a DataFrame: fetch col1 and col2 
# and drop na rows if any of the columns are NA
mydata = df[["col1", "col2"]].dropna(how="any")
# Now plot with matplotlib
vals = mydata.values
plt.scatter(vals[:, 0], vals[:, 1])

プロットする前にすべてを配列に変換する際の問題は、データフレームから抜け出すことを余儀なくされることです。

プロットに完全なデータフレームを持つことが不可欠である次の2つのユースケースを検討してください。

  1. たとえば、scatterの呼び出しでプロットした対応する値のcol3のすべての値を調べ、その値で各ポイント（またはサイズ）を色付けする場合はどうでしょうか。戻って、col1,col2のna以外の値を引き出し、対応する値を確認する必要があります。

    データフレームを保持しながらプロットする方法はありますか？例えば：

    mydata = df.dropna(how="any", subset=["col1", "col2"])
# plot a scatter of col1 by col2, with sizes according to col3
scatter(mydata(["col1", "col2"]), s=mydata["col3"])

  2. 同様に、列の一部の値に応じて、各ポイントを異なる方法でフィルタリングまたは色付けしたいと考えてください。例えば。 col1, col2で特定のカットオフを満たすポイントのラベル（ラベルがdfの別の列に格納されている場所）に自動的にプロットする場合、またはデータフレームで行うようにこれらのポイントに異なる色を付ける場合Rの例：

    mydata = df.dropna(how="any", subset=["col1", "col2"]) 
myscatter = scatter(mydata[["col1", "col2"]], s=1)
# Plot in red, with smaller size, all the points that 
# have a col2 value greater than 0.5
myscatter.replot(mydata["col2"] > 0.5, color="red", s=0.5)

これをどのように行うことができますか？

EDIT crewbumへの返信：

最良の方法は、各条件（subset_a、subset_bなど）を個別にプロットすることです。あなたが多くの条件を持っている場合、例えば散布図を4種類以上のポイントに分割し、それぞれを異なる形状/色でプロットします。条件a、b、cなどをエレガントに適用し、最後のステップとして「残り」（これらの条件のいずれにも当てはまらないもの）をプロットするにはどうすればよいでしょうか。

同様に、col1,col2に基づいてcol3を異なる方法でプロットする例では、col1,col2,col3間の関連付けを壊すNA値があるとどうなりますか？たとえば、col2値に基づいてすべてのcol3値をプロットしたいが、一部の行にcol1またはcol3のいずれかでNA値がある場合、dropnaを使用する必要があります。最初。だからあなたがするだろう：

mydata = df.dropna(how="any", subset=["col1", "col2", "col3")

次に、mydataを使用してプロットすることができます。col1,col2の値を使用して、col3間の散布図をプロットします。しかし、mydataにはcol1,col2の値を持つがcol3のNAであるいくつかのポイントが欠落し、それらはまだプロットする必要があります...すなわち、フィルタリングされたセットmydata？内のnotであるポイント

pythonmatplotlibplotdataframepandas
66
user248237

以下の例のように、numpy配列として抽出するのではなく、DataFrameの列を直接matplotlibに渡してみてください。

df = pd.DataFrame(np.random.randn(10,2), columns=['col1','col2'])
df['col3'] = np.arange(len(df))**2 * 100 + 100

In [5]: df
Out[5]: 
       col1      col2  col3
0 -1.000075 -0.759910   100
1  0.510382  0.972615   200
2  1.872067 -0.731010   500
3  0.131612  1.075142  1000
4  1.497820  0.237024  1700

別の列に基づいて散布点サイズを変更する

plt.scatter(df.col1, df.col2, s=df.col3)
# OR (with pandas 0.13 and up)
df.plot(kind='scatter', x='col1', y='col2', s=df.col3)

enter image description here

別の列に基づいて散布点の色を変える

colors = np.where(df.col3 > 300, 'r', 'k')
plt.scatter(df.col1, df.col2, s=120, c=colors)
# OR (with pandas 0.13 and up)
df.plot(kind='scatter', x='col1', y='col2', s=120, c=colors)

enter image description here

凡例付き散布図

ただし、凡例を使用して散布図を作成する最も簡単な方法は、ポイントタイプごとにplt.scatterを1回呼び出すことです。

cond = df.col3 > 300
subset_a = df[cond].dropna()
subset_b = df[~cond].dropna()
plt.scatter(subset_a.col1, subset_a.col2, s=120, c='b', label='col3 > 300')
plt.scatter(subset_b.col1, subset_b.col2, s=60, c='r', label='col3 <= 300') 
plt.legend()

enter image description here

更新

私が知ることができることから、matplotlibは単純にNA x/y座標またはNAスタイル設定（たとえば、色/サイズ）を持つポイントをスキップします。 NAのためにスキップされたポイントを見つけるには、isnullメソッドを試してください：df[df.col3.isnull()]

ポイントのリストを多くのタイプに分割するには、 numpy select を見てください。これは、ベクトル化されたif-then-else実装であり、オプションのデフォルト値を受け入れます。例えば：

df['subset'] = np.select([df.col3 < 150, df.col3 < 400, df.col3 < 600],
                         [0, 1, 2], -1)
for color, label in Zip('bgrm', [0, 1, 2, -1]):
    subset = df[df.subset == label]
    plt.scatter(subset.col1, subset.col2, s=120, c=color, label=str(label))
plt.legend()

enter image description here

96
Garrett

Garrettのすばらしい答えに追加するものはほとんどありませんが、pandasには scatter method もあります。それを使用すると、次のように簡単です

df = pd.DataFrame(np.random.randn(10,2), columns=['col1','col2'])
df['col3'] = np.arange(len(df))**2 * 100 + 100
df.plot.scatter('col1', 'col2', df['col3'])

plotting sizes in col3 to col1-col2

5
serv-inc

データプロットのためのより強力なツールであるseabornを使用する代替方法を使用することをお勧めします。 seaborn scatterplotを使用し、colum 3をhueおよびsizeとして定義できます。

作業コード：

import pandas as pd
import seaborn as sns
import numpy as np

#creating sample data 
sample_data={'col_name_1':np.random.Rand(20),
      'col_name_2': np.random.Rand(20),'col_name_3': np.arange(20)*100}
df= pd.DataFrame(sample_data)
sns.scatterplot(x="col_name_1", y="col_name_2", data=df, hue="col_name_3",size="col_name_3")

enter image description here

0
Dr. Arslan