Python 基于使用Seaborn或Matplotlib的两个不同数据帧(具有相同结构)记录的子地块
我有两个数据帧,如下所示。两者都具有相同的结构列名称和索引,但值不同。数据帧1是观察值,数据帧2是预测值。我想用每个表示一列的子图绘制一个图形,Y轴是来自两个数据框的值,两条不同的线,X轴是索引 我知道我应该发布我工作的示例代码,但它们似乎都错了,这就是为什么我不分享我的示例代码。我真的很想使用像seaborn的sns.FaceGrid这样的东西,因为情节质量更高Python 基于使用Seaborn或Matplotlib的两个不同数据帧(具有相同结构)记录的子地块,python,pandas,matplotlib,seaborn,subplot,Python,Pandas,Matplotlib,Seaborn,Subplot,我有两个数据帧,如下所示。两者都具有相同的结构列名称和索引,但值不同。数据帧1是观察值,数据帧2是预测值。我想用每个表示一列的子图绘制一个图形,Y轴是来自两个数据框的值,两条不同的线,X轴是索引 我知道我应该发布我工作的示例代码,但它们似乎都错了,这就是为什么我不分享我的示例代码。我真的很想使用像seaborn的sns.FaceGrid这样的东西,因为情节质量更高 08FB006 08FC001 08FC003 08FC005 08GD004 ----------------------
08FB006 08FC001 08FC003 08FC005 08GD004
----------------------------------------------
0 253 872 256 11.80 2660
1 250 850 255 10.60 2510
2 246 850 241 10.30 2130
3 241 827 235 9.32 1970
4 241 821 229 9.17 1900
5 232 819 228 8.93 1840
6 231 818 225 8.05 1710
7 234 817 225 7.90 1610
8 210 817 224 7.60 1590
9 200 816 221 7.53 1590
10 199 810 219 7.41 1550
您可以根据需要修改以下代码-
actual = pd.DataFrame({'a': [5, 8, 9, 6, 7, 2],
'b': [89, 22, 44, 6, 44, 1]})
predicted = pd.DataFrame({'a': [7, 2, 13, 18, 20, 2],
'b': [9, 20, 4, 16, 40, 11]})
# Creating a tidy-dataframe to input under seaborn
merged = pd.concat([pd.melt(actual), pd.melt(predicted)]).reset_index()
merged['category'] = ''
merged.loc[:len(actual)*2,'category'] = 'actual'
merged.loc[len(actual)*2:,'category'] = 'predicted'
g = sns.FacetGrid(merged, col="category", hue="variable")
g.map(plt.plot, "index", "value", alpha=.7)
g.add_legend();
非常感谢你的回答。我需要类别是列名,而不是数据帧。这就像我想要一个来自实际的和预测的都在同一个子地块中,有一个类别和一条蓝色的线预测为实际的橙色。如果我得到你,那么你应该只交换颜色和色调值,比如g=sns.facetfridmerged,hue=category,col=variable这段代码有效,但是pandas.melt会改变索引。。。我需要将索引保持为x轴-对于每列,应该保留50个索引,但是,此代码将使索引上升到4000,因为它重置了索引,并且不保留原始索引值-您可以检查您的图形,以确定b数据帧索引是否从5到10,这是错误的