在Python pandas中分割和连接数据框以便使用rpy2绘图

Question

我有一个关于Python中pandas数据框的问题：我有一个很大的数据框df，我把它分成了两个子集，df1和df2。这两个子集df1和df2加起来并不等于df，它们只是df的两个互不重叠的部分。我想用ggplot和rpy2来绘制这个图，并根据数据来自df1还是df2来显示变量。ggplot2需要一个“融化”的数据框，所以我得创建一个新的数据框，里面有一列标明每个条目是来自df1还是df2，这样这列数据才能传给ggplot。我试着这样做：

# add labels to df1, df2
df1["label"] = len(df1.index) * ["df1"]
df2["label"] = len(df2.index) * ["df2"]
# combine the dfs together
melted_df = pandas.concat([df1, df2])

现在可以像这样绘图：

# plot parameters from melted_df and colour them by df1 or df2
ggplot2.ggplot(melted_df) + ggplot2.ggplot(aes_string(..., colour="label"))

我想问的是，是否有更简单、快捷的方法来做到这一点。ggplot需要不断地进行数据框的融化和恢复，手动为df的不同子集添加融化后的形式似乎太麻烦了。谢谢。

Answer 1

当然，你可以通过使用以下方法来简化：

df1['label'] = 'df1'

（而不是 df1["label"] = len(df1.index) * ["df1"]。）

如果你发现自己经常这样做，为什么不创建一个自己的函数呢？（可以像这样）：

plot_dfs(dfs):
    for i, df in enumerate(dfs):
        df['label'] =  'df%s' % i+1 # note: this *changes* df
    melted_df = pd.concat(dfs)

    # plot parameters from melted_df and colour them by df1 or df2
    ggplot2.ggplot(melted_df) + ggplot2.ggplot(aes_string(..., colour="label"))

    return # the melted_df or ggplot ?