也许我在做多面图表时太习惯了 R 的 ggplot 习惯用法(它不需要任何抗议就需要数字和字符串变量),但 ggplot 之外的理想方式肯定有我有一段时间未能了解 matplotlib 世界。
我通常会按多个维度对大量条形图进行分面,最近发现了基于 matplotlib 的著名seaborn 库,它具有简单的分面界面。
条形图通常需要 x 变量的数字向量(而不是分类字符串向量)——这里首先是一些模拟数据和基本图:
import pandas as pd
import numpy as np
import seaborn as sns
N = 100
## generate toy data
ind = np.random.choice(['retail','construction','information'], N)
cty = np.random.choice(['cooltown','mountain pines'], N)
age = np.random.choice(['young','old'], N)
jobs = np.random.randint(low=1,high=250,size=N)
## prep data frame
df_city = pd.DataFrame({'industry':ind,'city':cty,'jobs':jobs,'age':age})
df_city_grouped = df_city.groupby(['city','industry','age']).sum()
df_city_grouped.unstack().plot(kind='bar',stacked=True,figsize=(9, 6),title='Jobs by city, industry, age group')
这会产生这个图。这种数据框绘图方法可以使用索引在幕后绘图:
现在,进入seaborn,它有一个漂亮的分面界面。 首先,我展平多索引,这样我就用列来代替(我认为这是 API 所必需的)。
df_city_grouped.reset_index(inplace=True)
df_city_grouped.head()
+----------+--------------+-------+------+
| city | industry | age | jobs |
+----------+--------------+-------+------+
| cooltown | construction | old | 563 |
+----------+--------------+-------+------+
| cooltown | construction | young | 1337 |
+----------+--------------+-------+------+
| cooltown | information | old | 1234 |
+----------+--------------+-------+------+
| cooltown | information | young | 1402 |
+----------+--------------+-------+------+
| cooltown | retail | old | 1035 |
+----------+--------------+-------+------+
调用此函数会出现错误TypeError:无法连接“str”和“float”对象
。
g = sns.FacetGrid(df_city_grouped, col="industry", row="city", margin_titles=True)
g.map(plt.bar, "age","jobs", color="darkred", lw=0)
但是,我可以破解它并将其中一个分类变量转回数字:
mapping = {
'young': 1,
'middle':2,
'old':3}
df_city_grouped['age2']=df_city_grouped.age.map(mapping)
g = sns.FacetGrid(df_city_grouped, col="industry", row="city", margin_titles=True)
g.map(plt.bar, "age2","jobs", color="darkred", lw=0)
这会产生近似结果(但 x 带有小数)。 所以我的问题是——在分面示例中处理分类轴的最佳方法是什么? (顺便指出
f, (ax) = plt.subplots()
sns.barplot(df_city_grouped.industry, df_city_grouped.jobs, ax=ax, ci=None)
适用于分类标签。在分面习语之外。)
最佳答案
将 sns.factorplot
与 kind="bar"
结合使用。请参阅docs了解更多信息,以下是您的数据示例:
sns.factorplot("age", "jobs", col="industry", row="city", data=df_city,
margin_titles=True, size=3, aspect=.8, palette=["darkred"])
关于python - Matplotlib/Seaborn barplot——x 轴上的字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26171230/