有没有办法在ggplot中绘制Pandas系列？

Question

我在试验熊猫和非matplotlib绘图。好的建议是here。这个问题涉及yhat's ggplot，我遇到了两个问题。 在熊猫身上画一个系列很容易。

frequ.plot()

我不知道在ggplot文档中怎么做。相反，我最终创建了一个数据帧：

cheese = DataFrame({'time': frequ.index, 'count' : frequ.values})
ggplot(cheese, aes(x='time', y='count')) + geom_line()

我希望ggplot——一个“与熊猫紧密结合”的项目——有一种方法来绘制一个简单的系列。

第二个问题是，当x轴是一天中的时间时，我无法让stat_smooth（）显示。似乎它可能与这个post有关，但我没有代表可以在那里发表。我的代码是：

frequ = values.sampler.resample("1Min", how="count")
cheese = DataFrame({'time': frequ.index, 'count' : frequ.values})
ggplot(cheese, aes(x='time', y='count')) + geom_line() + stat_smooth()

如对非matplotlib绘图有任何帮助，将不胜感激。谢谢！ （我使用的是ggplot 0.5.8）

Answer 1

这更多的是一种解决方法，但是您可以使用qplot来使用序列进行快速的速记绘图。

from ggplot import *
qplot(meat.beef)

Answer 2

在使用多个股票价格和经济时间序列时，我经常在Python的ggplot中遇到这个问题。使用ggplot要记住的关键是数据最好以长格式组织，以避免出现任何问题。我用一个快速的两步流程作为解决方法。首先让我们获取一些股票数据：

import pandas.io.data as web
import pandas as pd
import time
from ggplot import *

stocks = [ 'GOOG', 'MSFT', 'LNKD', 'YHOO', 'FB', 'GOOGL','HPQ','AMZN'] # stock list

# get stock price function #
def get_px(stock, start, end):
    return web.get_data_yahoo(stock, start, end)['Adj Close']

# dataframe of equity prices   
px = pd.DataFrame({n: get_px(n, '1/1/2014', date_today) for n in stocks})

px.head()
              AMZN     FB  GOOG   GOOGL    HPQ    LNKD   MSFT   YHOO
Date                                                                
2014-01-02  397.97  54.71   NaN  557.12  27.40  207.64  36.63  39.59
2014-01-03  396.44  54.56   NaN  553.05  28.07  207.42  36.38  40.12
2014-01-06  393.63  57.20   NaN  559.22  28.02  203.92  35.61  39.93
2014-01-07  398.03  57.92   NaN  570.00  27.91  209.64  35.89  40.92
2014-01-08  401.92  58.23   NaN  571.19  27.19  209.06  35.25  41.02

首先要明白，ggplot需要datetime索引作为pandas数据帧中的一列，以便在从宽格式切换到长格式时正确地绘制。我写了一个函数来解决这个问题。它只是从pandas系列索引中创建一个类型为datetime的“Date”列。

def dateConvert(df):
  df['Date'] = df.index
  df.reset_index(drop=True)
  return df

然后在df上运行函数。将结果用作pandas pd.melt中的对象，将“日期”用作id变量。现在可以使用标准的ggplot（）格式打印返回的df。

px_returns = px.pct_change() # common stock transformation
cumRet = (1+px_returns).cumprod() - 1 # transform daily returns to cumulative 
cumRet_dateConverted = dateConvert(cumRet) # run the function here see the result below#

cumRet_dateConverted.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 118 entries, 2014-01-02 00:00:00 to 2014-06-20 00:00:00
Data columns (total 9 columns):
AMZN     117 non-null float64
FB       117 non-null float64
GOOG     59 non-null float64
GOOGL    117 non-null float64
HPQ      117 non-null float64
LNKD     117 non-null float64
MSFT     117 non-null float64
YHOO     117 non-null float64
Date     118 non-null datetime64[ns]
dtypes: datetime64[ns](1), float64(8)


data = pd.melt(cumRet_dateConverted, id_vars='Date').dropna() # Here is the method I use to format the data in the long format. Please note the use of 'Date' as the id_vars.

data = data.rename(columns = {'Date':'Date','variable':'Stocks','value':'Returns'}) # common to rename these columns

从这里开始，您可以随心所欲地绘制数据。我常用的一个图是：

retPlot_YTD = ggplot(data, aes('Date','Returns',color='Stocks')) \
+ geom_line(size=2.) \
+ geom_hline(yintercept=0, color='black', size=1.7, linetype='-.') \
+ scale_y_continuous(labels='percent') \
+ scale_x_date(labels='%b %d %y',breaks=date_breaks('week') ) \
+ theme_seaborn(style='whitegrid') \
+ ggtitle(('%s Cumulative Daily Return vs Peers_YTD') % key_Stock) 

fig = retPlot_YTD.draw()
ax = fig.axes[0]
offbox = ax.artists[0]
offbox.set_bbox_to_anchor((1, 0.5), ax.transAxes)
fig.show()