<legend id='2Epgm'><style id='2Epgm'><dir id='2Epgm'><q id='2Epgm'></q></dir></style></legend>

<tfoot id='2Epgm'></tfoot>

  1. <i id='2Epgm'><tr id='2Epgm'><dt id='2Epgm'><q id='2Epgm'><span id='2Epgm'><b id='2Epgm'><form id='2Epgm'><ins id='2Epgm'></ins><ul id='2Epgm'></ul><sub id='2Epgm'></sub></form><legend id='2Epgm'></legend><bdo id='2Epgm'><pre id='2Epgm'><center id='2Epgm'></center></pre></bdo></b><th id='2Epgm'></th></span></q></dt></tr></i><div id='2Epgm'><tfoot id='2Epgm'></tfoot><dl id='2Epgm'><fieldset id='2Epgm'></fieldset></dl></div>
  2. <small id='2Epgm'></small><noframes id='2Epgm'>

      <bdo id='2Epgm'></bdo><ul id='2Epgm'></ul>
    1. 利用海运条形图绘制宽幅数据帧

      Using seaborn barplot to plot wide-form dataframes(利用海运条形图绘制宽幅数据帧)

      <i id='KQj7W'><tr id='KQj7W'><dt id='KQj7W'><q id='KQj7W'><span id='KQj7W'><b id='KQj7W'><form id='KQj7W'><ins id='KQj7W'></ins><ul id='KQj7W'></ul><sub id='KQj7W'></sub></form><legend id='KQj7W'></legend><bdo id='KQj7W'><pre id='KQj7W'><center id='KQj7W'></center></pre></bdo></b><th id='KQj7W'></th></span></q></dt></tr></i><div id='KQj7W'><tfoot id='KQj7W'></tfoot><dl id='KQj7W'><fieldset id='KQj7W'></fieldset></dl></div>
    2. <legend id='KQj7W'><style id='KQj7W'><dir id='KQj7W'><q id='KQj7W'></q></dir></style></legend>

            • <small id='KQj7W'></small><noframes id='KQj7W'>

              <tfoot id='KQj7W'></tfoot>
                <bdo id='KQj7W'></bdo><ul id='KQj7W'></ul>
                  <tbody id='KQj7W'></tbody>

                本文介绍了利用海运条形图绘制宽幅数据帧的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着跟版网的小编来一起学习吧!

                问题描述

                我正在尝试生成一个条形图,其中包含我的DataFrame中的所有观察结果,如下所示:Dataframe(行=年,列=对象,值=对象在年的冲突)

                使用默认 pandas 时,我获得了正确的图形类型plot

                cluster_yearly_results_df.plot.bar()
                

                Correct Bar Plot

                但是,我想使用海运,但在输入宽格式数据帧时遇到问题,使用:

                sns.barplot(data=cluster_yearly_results_df)
                

                我可以使用海运来做我想做的事情吗?

                推荐答案

                seaborn.barplot文档说明:

                条形图用每个矩形的高度表示数值变量的中心趋势估计,并使用误差条提供有关该估计的不确定性的某些指示。

                换句话说,其目的是用表示mean的单个条和表示std的错误条表示一个变量的多个值。您希望像pandas.plot.bar()那样用条形图表示单个值。

                说到这里,您可以调整您的DataFrame,如下所示以匹配seaborn界面。以与您的DataFrame类似的DataFrame开头:

                df = pd.DataFrame(np.random.randint(low=0, high=10, size=(10, 3)), columns=list('ABC'))
                
                   A  B  C
                0  7  6  4
                1  3  5  9
                2  3  0  5
                3  0  1  3
                4  9  7  7
                

                使用.stack().reset_index()创建两列,唯一标识y中的每个值:

                df = df.stack().reset_index()
                df.columns = ['x', 'hue', 'y']
                

                哪个选项产生:

                   x hue  y
                0  0   A  6
                1  0   B  1
                2  0   C  2
                3  1   A  5
                4  1   B  7
                

                然后绘制:

                sns.barplot(y='y', x='x', hue='hue', data=df)
                

                这篇关于利用海运条形图绘制宽幅数据帧的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持跟版网!

                本站部分内容来源互联网,如果有图片或者内容侵犯了您的权益,请联系我们,我们会在确认后第一时间进行删除!

                相关文档推荐

                groupby multiple coords along a single dimension in xarray(在xarray中按单个维度的多个坐标分组)
                Group by and Sum in Pandas without losing columns(Pandas中的GROUP BY AND SUM不丢失列)
                Is there a way of group by month in Pandas starting at specific day number?( pandas 有从特定日期开始的按月分组的方式吗?)
                Group by + New Column + Grab value former row based on conditionals(GROUP BY+新列+基于条件的前一行抓取值)
                Groupby and interpolate in Pandas(PANDA中的Groupby算法和插值算法)
                Pandas - Group Rows based on a column and replace NaN with non-null values(PANAS-基于列对行进行分组,并将NaN替换为非空值)
                  <tfoot id='3i8FF'></tfoot>

                  <small id='3i8FF'></small><noframes id='3i8FF'>

                      <tbody id='3i8FF'></tbody>
                      • <i id='3i8FF'><tr id='3i8FF'><dt id='3i8FF'><q id='3i8FF'><span id='3i8FF'><b id='3i8FF'><form id='3i8FF'><ins id='3i8FF'></ins><ul id='3i8FF'></ul><sub id='3i8FF'></sub></form><legend id='3i8FF'></legend><bdo id='3i8FF'><pre id='3i8FF'><center id='3i8FF'></center></pre></bdo></b><th id='3i8FF'></th></span></q></dt></tr></i><div id='3i8FF'><tfoot id='3i8FF'></tfoot><dl id='3i8FF'><fieldset id='3i8FF'></fieldset></dl></div>

                          <bdo id='3i8FF'></bdo><ul id='3i8FF'></ul>
                          <legend id='3i8FF'><style id='3i8FF'><dir id='3i8FF'><q id='3i8FF'></q></dir></style></legend>