我需要使用條形圖和折線圖比較 4 個班次（分類/分組）之間的不同日常數據集。我到處尋找，但沒有找到一個可行的解決方案，其中不包括生成新的支點等。我已經使用了 matplotlib 和 seaborn，雖然我可以做一個或另一個（每個班次的不同顏色的條/線），一旦我合并另一個，要么消失，要么其他異常發生，就像只有一個情節點顯示. 我已經查看了所有的解決方案，可以在兩種圖表類型上表示單個系列的數據，但沒有一個屬于多類別或針對這兩種類型進行分組。數據示例：report_date wh_id shift Head_Count UTL_R3/17/19 55 A 72 25%3/18/19 55 A 71 10%3/19/19 55 A 76 20%3/20/19 55 A 59 33%3/21/19 55 A 65 10%3/22/19 55 A 54 20%3/23/19 55 A 66 14%3/17/19 55 1 11 10%3/17/19 55 2 27 13%3/17/19 55 3 18 25%3/18/19 55 1 23 100%3/18/19 55 2 16 25%3/18/19 55 3 12 50%3/19/19 55 1 28 10%3/19/19 55 2 23 50%3/19/19 55 3 14 33%3/20/19 55 1 29 25%3/20/19 55 2 29 25%3/20/19 55 3 10 50%3/21/19 55 1 17 20%3/21/19 55 2 29 14%3/21/19 55 3 30 17%3/22/19 55 1 12 14%3/22/19 55 2 10 100%3/22/19 55 3 17 14%3/23/19 55 1 16 10%3/23/19 55 2 11 100%3/23/19 55 3 13 10%tm_daily_df = pd.read_csv('fg_TM_Daily.csv')tm_daily_df = tm_daily_df.set_index('report_date')fig2, ax2 = plt.subplots(figsize=(12,8))ax3 = ax2.twinx()group_obj = tm_daily_df.groupby('shift')g = group_obj['Head_Count'].plot(kind='bar', x='report_date', y='Head_Count',ax=ax2,stacked=False,alpha = .2)g = group_obj['UTL_R'].plot(kind='line',x='report_date', y='UTL_R', ax=ax3,marker='d', markersize=12)plt.legend(tm_daily_df['shift'].unique())這段代碼讓我得到了最接近的結果。請注意，即使使用stacked = False，它們仍然堆疊在一起。我將設置更改為 True，沒有任何變化。我所需要的只是讓條形彼此相鄰，并具有代表班次的相同配色方案圖表：
2 回答
紫衣仙女
TA貢獻1839條經驗 獲得超15個贊
這里有兩種解決方案（堆疊和非堆疊）。根據您的問題，我們將：
Head_Count在左 y 軸和UTL_R右 y 軸上繪圖。report_date將是我們的 x 軸shift將代表我們圖形的色調。
堆疊版本使用pandas默認繪圖功能，非堆疊版本使用seaborn.
編輯
根據您的要求，我添加了一個 100% 堆疊圖。雖然這與您在評論中所問的不完全相同，但您詢問的圖形類型可能會在閱讀時造成一些混亂（是基于堆棧的上線或堆棧寬度的值）。另一種解決方案可能是使用 100% 堆疊圖。
堆疊
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
dfg = df.set_index(['report_date', 'shift']).sort_index(level=[0,1])
fig, ax = plt.subplots(figsize=(12,6))
ax2 = ax.twinx()
dfg['Head_Count'].unstack().plot.bar(stacked=True, ax=ax, alpha=0.6)
dfg['UTL_R'].unstack().plot(kind='line', ax=ax2, marker='o', legend=None)
ax.set_title('My Graph')
plt.show()
堆疊 100%
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
dfg = df.set_index(['report_date', 'shift']).sort_index(level=[0,1])
# Create `Head_Count_Pct` column
for date in dfg.index.get_level_values('report_date').unique():
for shift in dfg.loc[date, :].index.get_level_values('shift').unique():
dfg.loc[(date, shift), 'Head_Count_Pct'] = dfg.loc[(date, shift), 'Head_Count'].sum() / dfg.loc[(date, 'A'), 'Head_Count'].sum()
fig, ax = plt.subplots(figsize=(12,6))
ax2 = ax.twinx()
pal = sns.color_palette("Set1")
dfg[dfg.index.get_level_values('shift').isin(['1','2','3'])]['Head_Count_Pct'].unstack().plot.bar(stacked=True, ax=ax, alpha=0.5, color=pal)
dfg['UTL_R'].unstack().plot(kind='line', ax=ax2, marker='o', legend=None, color=pal)
ax.set_title('My Graph')
plt.show()
未堆疊
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
dfg = df.set_index(['report_date', 'shift']).sort_index(level=[0,1])
fig, ax = plt.subplots(figsize=(15,6))
ax2 = ax.twinx()
sns.barplot(x=dfg.index.get_level_values('report_date'),
y=dfg.Head_Count,
hue=dfg.index.get_level_values('shift'), ax=ax, alpha=0.7)
sns.lineplot(x=dfg.index.get_level_values('report_date'),
y=dfg.UTL_R,
hue=dfg.index.get_level_values('shift'), ax=ax2, marker='o', legend=None)
ax.set_title('My Graph')
plt.show()
編輯#2
這是您第二次請求的圖形（堆疊，但堆棧 n+1 不在堆棧 n 結束的地方開始）。
它稍微涉及更多，因為我們必須做多件事： - 我們需要手動將顏色分配給我們shift的 df - 一旦我們分配了顏色，我們將遍歷每個日期范圍和 1）排序或Head_Count值降序（所以當我們繪制圖形時，我們最大的麻袋在后面），以及 2）繪制數據并將顏色分配給每個 stacj - 然后我們可以創建第二個 y 軸并繪制我們的UTL_R值 - 然后我們需要分配正確的顏色到我們的傳奇標簽
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
def assignColor(shift):
if shift == 'A':
return 'R'
if shift == '1':
return 'B'
if shift == '2':
return 'G'
if shift == '3':
return 'Y'
# map a color to a shift
df['color'] = df['shift'].apply(assignColor)
fig, ax = plt.subplots(figsize=(15,6))
# plot our Head_Count values
for date in df.report_date.unique():
d = df[df.report_date == date].sort_values(by='Head_Count', ascending=False)
y = d.Head_Count.values
x = date
color = d.color
b = plt.bar(x,y, color=color)
# Plot our UTL_R values
ax2 = ax.twinx()
sns.lineplot(x=df.report_date, y=df.UTL_R, hue=df['shift'], marker='o', legend=None)
# Assign the color label color to our legend
leg = ax.legend(labels=df['shift'].unique(), loc=1)
legend_maping = dict()
for shift in df['shift'].unique():
legend_maping[shift] = df[df['shift'] == shift].color.unique()[0]
i = 0
for leg_lab in leg.texts:
leg.legendHandles[i].set_color(legend_maping[leg_lab.get_text()])
i += 1
慕無忌1623718
TA貢獻1744條經驗 獲得超4個贊
這個怎么樣？
tm_daily_df['UTL_R'] = tm_daily_df['UTL_R'].str.replace('%', '').astype('float') / 100
pivoted = tm_daily_df.pivot_table(values=['Head_Count', 'UTL_R'],
index='report_date',
columns='shift')
pivoted
# Head_Count UTL_R
# shift 1 2 3 A 1 2 3 A
# report_date
# 3/17/19 11 27 18 72 0.10 0.13 0.25 0.25
# 3/18/19 23 16 12 71 1.00 0.25 0.50 0.10
# 3/19/19 28 23 14 76 0.10 0.50 0.33 0.20
# 3/20/19 29 29 10 59 0.25 0.25 0.50 0.33
# 3/21/19 17 29 30 65 0.20 0.14 0.17 0.10
# 3/22/19 12 10 17 54 0.14 1.00 0.14 0.20
# 3/23/19 16 11 13 66 0.10 1.00 0.10 0.14
fig, ax = plt.subplots()
pivoted['Head_Count'].plot.bar(ax=ax)
pivoted['UTL_R'].plot.line(ax=ax, legend=False, secondary_y=True, marker='D')
ax.legend(loc='upper left', title='shift')
添加回答
舉報
0/150
提交
取消