python - 如何显示每个Y轴的图表类型以区分比较因素

Question

比较两个不同的 Y 变量时，没有真正的方法可以知道哪种图表类型属于哪个 Y 轴。 我需要一个图例来说明哪种图表类型属于哪个数据集。

在该网站本身的帮助下，我已经能够使用不同的图表类型绘制不同的分类因素，但正如您所看到的，无法判断哪种图表类型属于哪个因素/变量

这是数据表(tm_daily_df)，以及当前代码

   report_date shift     UTL_R  Head_Count
0   2019-03-17     A  0.669107          39
1   2019-03-18     A  0.602197          69
2   2019-03-19     A  0.568741          72
3   2019-03-20     A  0.552013          78
4   2019-03-21     A  0.585469          57
5   2019-03-22     A  0.635652          61
6   2019-03-23     A  0.602197          51
7   2019-03-17     1  0.828020          16
8   2019-03-17     2  0.585469           8
9   2019-03-17     3  0.526922          15
10  2019-03-18     1  0.618924          30
11  2019-03-18     2  0.610560          20
12  2019-03-18     3  0.577105          19
13  2019-03-19     1  0.610560          28
14  2019-03-19     2  0.602197          26
15  2019-03-19     3  0.468375          18
16  2019-03-20     1  0.543650          33
17  2019-03-20     2  0.552013          26
18  2019-03-20     3  0.552013          19
19  2019-03-21     1  0.577105          22
20  2019-03-21     2  0.585469          19
21  2019-03-21     3  0.602197          16
22  2019-03-22     1  0.593833          26
23  2019-03-22     2  0.685835          20
24  2019-03-22     3  0.635652          15
25  2019-03-23     1  0.577105          23
26  2019-03-23     2  0.627288          16
27  2019-03-23     3  0.602197          12

fig, ax = plt.subplots(figsize=(15,6))
g = sns.lineplot(x='report_date',  y='UTL_R', data=tm_daily_df, ax=ax, hue = 'shift', legend = None,
             marker='o', markersize=10)
ax2 = ax.twinx()
g = sns.barplot(x='report_date',  y='Head_Count', data=tm_daily_df, ax=ax2, hue='shift',alpha=.5)
ax.set_title('Utilization Ratio vs HeadCount')
plt.show()

我想要有一个图例，说明哪种图表类型属于哪个数据集。在这种情况下，将有一个辅助图例，显示一条线、单词“UTL_R”和一个正方形(或任何代表条形图的内容)位于单词“Head_Count”旁边。 我也愿意接受任何其他可以定义所应用的图表类型的想法。请记住，该图是大量变量中的众多图之一，它不是单个实例。

如果不可能的话，有没有办法可以将图像/小表格放入图中？

Answer 1

tl;博士在底部

我最近还需要在一个项目中实现两个图例。我的代码是这样的:

def plot_my_data(ax, local_zerog, local_oneg, local_maxg):
    # local_zerog list looks like: [local_zerog_dcmdcl_names, local_zerog_dcmdcl_values, local_zerog_time2double_names, local_zerog_time2double_values]
    # the others are structured the same way as well
    mpl.rcParams["lines.markersize"] = 7
    dcmdcl = ax.scatter(local_zerog[0], local_zerog[1], label='Zero G', facecolors='none', edgecolors='b') #dcmdcl
    ax.scatter(local_oneg[0], local_oneg[1], label="One G", facecolors='none', edgecolors='g')
    ax.scatter(local_maxg[0], local_maxg[1], label="Max G", facecolors='none', edgecolors='r')
    ax.tick_params(axis="x", direction="in", top=False, labeltop=False, labelbottom=True)
    ax.tick_params(axis="y", direction="in", right=True)
    labels = ax.get_xticklabels()
    plt.setp(labels, rotation=90, horizontalalignment='center')
    legend1 = ax.legend(loc=1)
    time2double = ax.scatter(local_zerog[2], local_zerog[3], label='Zero G', marker='s', color='b') #time2double
    ax.scatter(local_oneg[2], local_oneg[3], label="One G", marker='s', color='g')
    ax.scatter(local_maxg[2], local_maxg[3], label="Max G", marker='s', color='r')
    ax.plot(local_oneg[0], [0 for _ in local_oneg[0]], color='k')  # line at 0
    ax.plot(local_oneg[2], [0 for _ in local_oneg[2]], color='k')
    ax.legend([dcmdcl, time2double], ["dcmdcl [%]", "time2double [s]"], loc=2)
    plt.gca().add_artist(legend1)

我基本上有 6 组数据:3 组用于 dcmdcl，3 组用于 time2double。每个都有不同的颜色/形状，所以基本上我在线条中绘制了所有一个形状

dcmdcl = ax.scatter(local_zerog[0], local_zerog[1], label='Zero G', facecolors='none', edgecolors='b') #dcmdcl
ax.scatter(local_oneg[0], local_oneg[1], label="One G", facecolors='none', edgecolors='g')
ax.scatter(local_maxg[0], local_maxg[1], label="Max G", facecolors='none', edgecolors='r')
ax.tick_params(axis="x", direction="in", top=False, labeltop=False, labelbottom=True)
ax.tick_params(axis="y", direction="in", right=True)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=90, horizontalalignment='center')
legend1 = ax.legend(loc=1)

最后一行根据我分配的各种标签生成图例。现在，为了区分形状，我使用了一个 dcmdcl 和一个 time2double 并制作了另一个图例。相关代码为:

dcmdcl = ax.scatter(local_zerog[0], local_zerog[1], label='Zero G', facecolors='none', edgecolors='b') #dcmdcl
time2double = ax.scatter(local_zerog[2], local_zerog[3], label='Zero G', marker='s', color='b') #time2double
ax.legend([dcmdcl, time2double], ["dcmdcl [%]", "time2double [s]"], loc=2)

我基本上向它提供两个特定实例，并告诉它根据此信息创建另一个图例并将其放置在另一个位置。

tl;博士

看起来您已经拥有了其中一个数据集所需的图例，所以现在您基本上需要运行:

legend1 = ax.legend(['put a series of items you want to describe here'], ['put how you would like to title them (needs to be in same order as previous list)'], loc=2)
plt.gca().add_artist(legend1)

我认为这里的顺序可能很重要(我不记得我什么时候做的)，但如果你注意到我的顺序是:

• 绘制一些东西
• legend1 = ax.legend(loc=1) 制作图例(尚未绘制，只是一个变量)
• 绘制更多内容
• ax.legend([dcmdcl, time2double], ["dcmdcl [%]", "time2double [s]"], loc=2)(请注意，这并未分配给变量时间)
• plt.gca().add_artist(legend1) 现在我使用之前创建的变量通过add_artist()来绘制它

我的代码用于生成传递到上面函数的每个ax:

fig = plt.figure(figsize=(15, 15))

ax = fig.add_subplot(1, 3, 1)
zerog, oneg, maxg = build_plot_data(lower_mach)
plot_my_data(ax, zerog, oneg, maxg)
ax.set_title("Mach < .7")