绘制以下子图:
生成子批次的代码如下:
df = {}
df[1] = pd.read_csv('file1.csv')
df[2] = pd.read_csv('file1.csv')
fig, axes = plt.subplots(1, 2, figsize=(10, 5), sharey=True)
for bet in [[1, 0], [2, 1]]:
betas = reg[bet[0]]
betas = betas.ix[int_col]
betas.dropna(inplace=1)
betas.index = range(25)
ax = betas.plot(ax=axes[bet[1]], grid=False, style=['b-', 'b--', 'b--'],
legend=None)
ax.lines[0].set_linewidth(1.5)
ax.lines[1].set_linewidth(0.6)
ax.lines[2].set_linewidth(0.6)
ax.axhline(y=0, color='k', linestyle='-', alpha=0.25, linewidth=0.5)
ax.axvline(x=13, color='k', linestyle='-', alpha=0.25, linewidth=0.5)
ax.set_xticks([0, 6, 13, 19, 24])
这些图显示了回归系数(蓝色实线)和置信区间(虚线)。 如您所见,子图中的两个图都有异常值。。。x=0处的第一个点。 离群值很重要,但它“变形”了我的图,其他点似乎在一条直线上,但实际上在x>;0处有重要的变化。在
在x>;0处,什么样的数据可视化既能显示异常值,又能更好地“缩放”其他点。断裂的y轴是最好的方法吗?我如何在子批次中这样做?其他建议?在
目前没有回答
相关问题 更多 >
编程相关推荐