我正在嘗試按照文檔的這一部分使用散景繪制堆積條形圖。但我的數據框有點復雜。它看起來像這樣：?mount has the following return codes (the bits can be ORed):? ?0? ? ? success? ?1? ? ? incorrect invocation or permissions? ?2? ? ? system error (out of memory, cannot fork, no more loop devices)? ?4? ? ? internal mount bug? ?8? ? ? user interrupt? ?16? ? ?problems writing or locking /etc/mtab? ?32? ? ?mount failure? ?64? ? ?some mount succeeded? ?The command mount -a returns 0 (all succeeded), 32 (all failed), or 64 (some failed,? some? ?succeeded).
1 回答
精慕HU
TA貢獻1845條經驗 獲得超8個贊
bokeh 不一定需要字典才能工作，因此我們實際上可以使用pivotDataframe 方法來實現所需的轉換并直接繪制結果。
>>> df = pd.DataFrame({
'events': ['a', 'b', 'a', 'c', 'b', 'c'],
'count': [2, 1, 8, 1, 4, 1],
'Name': ['jerry', 'jerry', 'joe', 'joe', 'megan', 'megan']})
>>> df
events count Name
0 a 2 jerry
1 b 1 jerry
2 a 8 joe
3 c 1 joe
4 b 4 megan
5 c 1 megan
轉換數據：
>>> df2 = df.pivot(index="Name", columns="events", values="count").fillna(0)
>>> df2
events a b c
Name
jerry 2.0 1.0 0.0
joe 8.0 0.0 1.0
megan 0.0 4.0 1.0
繪制數據：
from bokeh.plotting import figure
from bokeh.palettes import viridis
names = df2.index.tolist()
events = df2.columns.tolist()
color = viridis(len(events))
p = figure(x_range=names)
p.vbar_stack(events, x="Name", source=df2, width=.9, color=color), legend_label=events)
show(p)
繪制此圖的另一種方法是使用 Holoviews 庫（只需添加此庫，因為 Holoviews 可以生成一些比 Bokeh 更簡潔的代碼）。Holoviews 會為您處理數據轉換，因此您不需要任何額外的工作：
import holoviews as hv
hv.extension("bokeh")
hv.Bars(df, kdims=["Name", "events"], vdims="count").opts(stacked=True)
至于替代解決方案，我并不完全確定。我認為與 167 種類型的事件進行視覺比較并不容易（即 167 種獨特的顏色，因此這些顏色可能不是非常容易辨別 - 更不用說具有 167 個條目的笨拙圖例）。如果這種可視化方式沒有幫助，我建議使用 Holoviews 庫為您的每個名字創建一個條形圖。然后，您可以切換數據中每個人的繪圖。
import holoviews as hv
hv.extension("bokeh")
hv.Bars(df, kdims=["Name", "events"], vdims="count").groupby("Name")
添加回答
舉報
0/150
提交
取消