Python 提高Pandas数据透视图的可读性

我有一个包含[910行x1列]的透视表。使用熊猫图绘制时，可读性不好。请看下图。我想得到一个Excel数据透视图。我的意思是，如果我点击图表中的一个特定点，它应该会显示所有细节[设备ID、温度等]

请参阅我的数据框（透视表）

你能告诉我怎样才能提高可读性吗

我想知道有没有办法把它打印成excel文件

• 针对一个类似于问题的多指标综合数据
• 使用plotly作为打印后端工具提示是解决方案的一部分
• 目前不支持多索引，所以我改为串联索引来演示

使用plotly-API进行多索引

• 需要将多个索引合并到x
• 从你的评论中，我假设也有多个专栏。为每列生成绘图仪散点

---

一个可能的答案是使用plotly而不是matplotlib。。。它确实有工具提示和交互。如果您以文本形式提供示例数据，则演示会简单得多。粘贴到此处非常困难。它并不像预期的那样出现。我可以给你发电子邮件。我会试试这个，让你知道。谢谢你的时间。我试过这个代码“data=[go.Scatter（x=multi_index.index，y=multi_index.values，mode='lines'，name='Noise Level'）]layout=go.layout（title='Noise Level'）figure=go.figure（data=data，layout=layout=layout）pyo.plot（figure）”我得到了一条直线。我不知道在这里把pivot表列放在我更新的代码中-仍然需要以处理约束的方式构造多索引multi_index=pd.pivot_表（df_new，index=['Device_ID'，'Temp'，'Supply'，columns='Frequency'，values='NoiseLevel'，）--这是我的pivot表，#这是我的代码：不知道在哪里放置“columns='Frequency'”数据=[go.Scatter（x=multi_index.index，y=multi_index.values，mode='lines'，name='Noise Level'）]，用于下一个SO问题或关于这个问题的任何其他迭代。最好遵循SO指南，并为您的问题提供一个具有代表性的数据集。我仍然不知道我所模拟的是否与您正在使用的匹配

Frequency                  0.8     1.6
Device_ID Temp  Supply                
FF_2649   -40.0 1.65   -100.72 -101.35
                1.71   -100.61 -101.74
                1.80   -100.74 -101.64
                1.89   -100.63 -101.69
                3.60   -100.60 -101.46
...                        ...     ...
TT_2441    85.0 1.65    -94.99  -94.97
                1.71    -94.85  -95.24
                1.80    -95.02  -94.97
                1.89    -94.69  -96.20
                3.60    -94.90  -94.91

import pandas as pd
import numpy as np
df = pd.DataFrame(index=pd.MultiIndex.from_product([list("abcd"), list("efgh"), list("xyz")], names=["cat1","cat2","cat3"]))
df["value"] = np.random.randint(1,200, len(df))

pd.options.plotting.backend = "plotly"
df.reset_index().pipe(lambda d: d.set_index(d.cat1+d.cat2+d.cat3)).loc[:,"value"].plot()

import pandas as pd
import numpy as np
import plotly.graph_objects as go

s = 100000
df_new = pd.DataFrame({"Device_ID":np.random.choice(["FF_2649","FF_2700","FF_2800","TT_2000","TT_2100","TT_2441"], s),
                      "Temp":np.random.randint(-8, 19, s)*5,
                       "Supply":np.random.choice([1.65,1.71,1.80,1.89,3.60], s),
                       "Frequency":np.random.choice([0.8,1.6], s),
                       "NoiseLevel":np.random.uniform(-102,-94, s)
                      })

multi_index = pd.pivot_table(df_new, index = ['Device_ID', 'Temp' ,'Supply'],columns = 'Frequency', values = 'NoiseLevel',)
# given data is randmoly generated, give it some order...
multi_index.loc[:,[0.8,1.6]] = multi_index.assign(p=lambda d: (d[0.8]*2)+(d[1.6]*.5)).sort_values("p").drop(columns="p").values

# pivot gives a column per frequency.  SO question did not indicate this....
# generate a line for each column in pivot table.  concat values of multi-index to make it work with plotly
data = [go.Scatter(x=[" ".join([str(p) for p in x]) for x in multi_index.index], y=multi_index[c], 
                   mode='lines+markers', name=f'Noise Level {c}', marker={"size":10},line={"dash":"dot"})
 for c in multi_index.columns]
layout=go.Layout(title='Noise Level') 
figure=go.Figure(data=data,layout=layout) 
figure