Python 用MatplotLib直方图可视化第三个变量
请原谅我英语不好 在类似以下数据帧的数据帧上:Python 用MatplotLib直方图可视化第三个变量,python,matplotlib,jupyter-notebook,data-science,Python,Matplotlib,Jupyter Notebook,Data Science,请原谅我英语不好 在类似以下数据帧的数据帧上: ----------------- |index|var1|var2| ----------------- 有很多行 var1介于0和4000之间 var2介于-100和100之间 我希望创建一个直方图,根据var1显示有多少行 在Y轴上,我们可以看到有多少行,例如,对于0>var1
-----------------
|index|var1|var2|
-----------------
有很多行
var1介于0和4000之间
var2介于-100和100之间
我希望创建一个直方图,根据var1显示有多少行
在Y轴上,我们可以看到有多少行,例如,对于0>var1<500,几乎有500k行
现在我想添加var2,它显示行的质量。
例如,我希望根据var2的值,组图从0变为蓝色,从500变为蓝色,另一种颜色从500变为1000(例如,如果条形图的值为var2的平均值为100,则将其变为绿色,如果平均值为0,则将其变为红色)
我试着对此进行硬处理,但一旦我更换了垃圾箱或其他东西,我的代码就会中断
我也试着用历史记录顶部的plot来做,但是没有用
我当前的屏幕截图代码:
plt.hist(var1, bins=10, range=(0,4000), color='orange', alpha=0.7)
plt.title('Var 1',weight='bold', fontsize=18)
plt.yticks(weight='bold')
plt.xticks(weight='bold')
我觉得这是一件简单的事情,但我完全被困在我的学习,因为这一点
非常感谢您的帮助。如果您创建了一个包含直方图中每个条颜色的列表,您可以使用以下代码段。它捕获包含单个补丁的
plt.hist
命令的返回值。可以在遍历这些面片时单独设置颜色
n, bins, patches = plt.hist(var1, bins=8, range=(0,4000), color="orange", alpha=0.7)
for i, patch in enumerate(patches):
plt.setp(patch, "facecolor", colors[i])
此外,这里有一种可能的方法可以根据您拥有的数据类型创建所提到的颜色列表
:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# create random values and store them in a DataFrame
y1 = np.random.randint(0,4000, 50)
y2 = np.random.randint(-100, 101, 50)
y = zip(y1,y2)
df = pd.DataFrame(y, columns=["Var1","Var2"])
var1 = df["Var1"].values
# pd.cut to bin the dataframe in the appropriate ranges of Var1
# then the mean of Var2 is calculated for each bin, results are stored in a list
mean = [df.groupby(pd.cut(df["Var1"], np.arange(0, 4000+500, 500)))["Var2"].mean()]
# how to color the bars based on Var2:
# -100 <= mean(Var2) < -33: blue
# -33 <= mean(Var2) < 33: red
# 33 <= mean(Var2) < 100: green
color_bins = np.array([-100,-33,33,100])
color_list = ["blue","red","green"]
# bin the means of Var2 according to the color_bins we just created
inds = np.digitize(mean, color_bins)
# list that assigns the appropriate color to each patch
colors = [color_list[value-1] for value in inds[0]]
n, bins, patches = plt.hist(var1, bins=8, range=(0,4000), color="orange", alpha=0.7)
for i, patch in enumerate(patches):
plt.setp(patch, "facecolor", colors[i])
plt.title('Var 1',weight='bold', fontsize=18)
plt.yticks(weight='bold')
plt.xticks(weight='bold')
plt.show()
将numpy导入为np
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
#创建随机值并将其存储在数据帧中
y1=np.random.randint(04000,50)
y2=np.random.randint(-100101,50)
y=zip(y1,y2)
df=pd.DataFrame(y,列=[“Var1”,“Var2”])
var1=df[“var1”]。值
#pd.cut将数据帧存储在Var1的适当范围内
#然后计算每个箱子的Var2平均值,结果存储在列表中
平均值=[df.groupby(pd.cut(df[“Var1”],np.arange(04000+500500)))[“Var2”].mean()
#如何基于Var2为条形图着色:
#-100不仅你的代码是完美的,而且因为你的评论,我理解了一切。这是我在stackoverflow上收到的最好的答案!!非常感谢。