我有一個 DataFrame（請參閱下面的“測試數據”部分），我想添加一個輔助 x 軸（在頂部）。但該軸必須在 0 到 38.24(ms) 之間。這是“時間”列中所有值的總和。它表示執行 4 個推理所需的總時間。到目前為止，我已經嘗試過“twinx()”但沒有成功。我怎樣才能做到這一點？有可能嗎還是我缺乏信息？測試數據：raw_data = {'Time': [21.9235, 4.17876, 4.02168, 3.81504, 4.2972], 'TPU': [33.3, 33.3, 33.3, 33.3, 33.3], 'CPU': [32, 32, 32, 32, 32], 'MemUsed': [435.92, 435.90, 436.02, 436.02, 436.19]}df_m=pd.DataFrame(raw_data, columns = ['Time', 'TPU', 'CPU', 'MemUsed'])df_m##Sum of all values in column Time(ms)(df_m.iloc[:, 0].sum())##Time per inference(ms)ax = df_m.plot(kind = 'line', y = 'MemUsed', grid = True)ax.set_xlabel("NUMBER OF INFERENCES")ax.set_ylabel("MemUsed(MB)")我嘗試過的：ax = df_m.plot(kind = 'line', y = 'MemUsed', grid = True)df_m.plot(kind='line', ax=ax.twinx(), secondary_x=range(0, 39))ax.set_xlabel("NUMBER OF INFERENCES")ax.set_ylabel("MemUsed(MB)")輸出圖：大桌子長什么樣子
2 回答
慕勒3428872
TA貢獻1848條經驗 獲得超6個贊
除了您對情節的積極評論之外，這里是一個如何為數據集實現多軸的示例。
該代碼比看起來簡單得多。由于我格式化dicts 以便于閱讀的方式，代碼顯得“冗長”。
關鍵要素是：
time添加列 ( )的累積和time_c以供使用xaxis2。添加與 對齊的隱藏跟蹤
xaxis，以及與 對齊的時間數據xaxis2。如果沒有隱藏跡線，則兩個軸要么不出現，要么出現但未對齊，因為只繪制了一條跡線。
（更新）示例代碼：
以下代碼已更新，以解決 OP 在使用更大（70k 行）數據集時遇到的問題。
layout['xaxis']鍵的更改是對和字典的更新，layout['xaxis2']以包含'type': 'category','nticks'和 定義的'range'鍵。
import pandas as pd
from plotly.offline import plot
# Create the dataset.
raw_data = {'time': [21.9235, 4.17876, 4.02168, 3.81504, 4.2972],
'tpu': [33.3, 33.3, 33.3, 33.3, 33.3],
'cpu': [32, 32, 32, 32, 32],
'memused': [435.92, 435.90, 436.02, 436.02, 436.19]}
df = pd.DataFrame(raw_data)
df['time_c'] = df['time'].cumsum().round(2)
# Plotting code.
data = []
layout = {'margin': {'t': 105},
'title': {'text': 'Example Showing use of Secondary X-Axis',
'y': 0.97}}
# Create a (hidden) trace for the xaxis.
data.append({'x': df.index,
'y': df['memused'],
'showlegend': False,
'mode': 'markers',
'marker': {'size': 0.001}})
# Create the visible trace for xaxis2.
data.append({'x': df['time_c'],
'y': df['memused'],
'xaxis': 'x2',
'name': 'Inference'})
# Configure graph layout.
nticks = int(df.shape[0] // (df.shape[0] * 0.05))
layout['xaxis'] = {'title': 'Number of Inferences',
'nticks': nticks,
'range': [df.index.min(), df.index.max()],
'tickangle': 45,
'type': 'category'}
layout['xaxis2'] = {'title': 'Time(ms)',
'nticks': nticks,
'overlaying': 'x1',
'range': [df['time_c'].min(), df['time_c'].max()],
'side': 'top',
'tickangle': 45,
'type': 'category'}
layout['yaxis'] = {'title': 'Memory Used (MB)'}
fig = {'data': data, 'layout': layout}
plot(fig, filename='/path/to/graph.html')
示例圖（原始數據集）：
為了代碼簡單起見，我故意省略了任何額外的顯示配置。然而，參考頂級的plotly 文檔，這些圖表是高度可配置的。
示例圖（新數據集）：
該圖使用來自其他答案的（更大，70k 行）合成數據集。
jeck貓
TA貢獻1909條經驗 獲得超7個贊
盡管通常不鼓勵，但我將發布另一個答案來解決新數據集，因為前面的答案在給定原始數據集的情況下有效。
此示例與輔助 x 軸的原始請求不同，原因有兩個：
由于（新）數據集的大小，繪制“隱藏”數據層并不是最佳選擇。
為了使輔助 x 軸正確顯示，必須繪制第二個趨勢，并且考慮到之前的原因，這不再是一個選項。
因此，采取了不同的方法——x軸的組合標記。單個 x 軸沒有繪制兩個軸，而是具有兩個所需的標簽。
示例圖：
注意：這（顯然）是合成數據，以便達到更新問題中的行數 (70k)。
示例代碼：
import numpy as np
import pandas as pd
from plotly.offline import plot
# Synthesised dataset. (This code can be ignored.)
np.random.seed(0)
a = np.random.exponential(size=70000)*4
t = pd.Series(a).rolling(window=2000, min_periods=50).mean().to_numpy()
r = np.arange(70000).astype(str)
m = t*100
df = pd.DataFrame({'run': r,
'time': t,
'memused': m}).dropna()
# Add cumulative time column.
df['time_c'] = df['time'].cumsum().round(1)
# --- Graphing code starts here ---
def create_labels(x):
"""Function to create xaxis labels."""
return f"({x['run']}): {x['time_c']}"
# Create xaxis labels.
df['xaxis'] = df.apply(create_labels, axis=1)
# Create the graph.
data = []
layout = {'title': 'Combined X-Axis Labeling'}
data.append({'x': df['xaxis'],
'y': df['memused']})
layout['xaxis'] = {'title': '(Inference): Cumulative Time (ms)',
'type': 'category',
'nticks': df.shape[0] // 3500,
'tickangle': 45}
layout['yaxis'] = {'title': 'Memory Used (MB)'}
fig = {'data': data, 'layout': layout}
plot(fig, filename='/path/to/graph.html')
添加回答
舉報
0/150
提交
取消