如何在pandas数据框上绘制包含字符串的列的平行坐标？

Question

我想为一个pandas数据帧绘制平行坐标，该数据帧包含带数字的列和其他包含字符串作为值的列。

问题描述

我有以下测试代码，可用于绘制带有数字的平行坐标：

import pandas as pd
import matplotlib.pyplot as plt
from pandas.tools.plotting import parallel_coordinates

df = pd.DataFrame([["line 1",20,30,100],\
    ["line 2",10,40,90],["line 3",10,35,120]],\
    columns=["element","var 1","var 2","var 3"])
parallel_coordinates(df,"element")
plt.show()

最后显示以下图形：

不过，我想尝试的是在我的图中添加一些有字符串的变量。但当我运行以下代码时：

df2 = pd.DataFrame([["line 1",20,30,100,"N"],\
    ["line 2",10,40,90,"N"],["line 3",10,35,120,"N-1"]],\
    columns=["element","var 1","var 2","var 3","regime"])
parallel_coordinates(df2,"element")
plt.show()

我得到这个错误：

ValueError: invalid literal for float(): N

我想这意味着parallel_coordinates函数不接受字符串。

我正在尝试做的事情的示例

我正试图做这样的事情，种族和性别是字符串，而不是数字：

问题

有没有任何方法可以使用pandasparallel_coordinates来执行这样的图形？如果没有，我怎么能尝试这样的图形？也许和matplotlib一起？

我必须提到的是，我正在使用pandas版本的Python 2.5下寻找解决方案。

Answer 1

我不太清楚你想用regime列做什么。

如果问题只是它的存在阻止了绘图的显示，那么您可以简单地从绘图中忽略有问题的列：

parallel_coordinates(df2, class_column='element', cols=['var 1', 'var 2', 'var 3'])

看看你提供的例子，我知道你希望分类变量以某种方式放置在一条垂直线上，并且分类的每个值都由不同的y值表示。我说得对吗？

如果是，则需要将分类变量（此处，regime）编码为数值。为此，我使用了这个技巧I found on this website。

df2.regime = df2.regime.astype('category')
df2['regime_encoded'] = df2.regime.cat.codes


print(df2)
    element var 1   var 2   var 3   regime  regime_encoded
0   line 1  20      30      100     N       0
1   line 2  10      40      90      N       0
2   line 3  10      35      120     N-1     1

这段代码创建了一个新列（regime_encoded），其中category机制的每个值都由一个整数编码。然后可以打印新的数据帧，包括新创建的列：

parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")

问题是分类变量（0，1）的编码值与其他变量的范围无关，因此所有行似乎都趋向于同一点。然后，答案是将编码与数据范围进行比较（这里我做的非常简单，因为数据的范围是0到120之间的，如果实际数据帧中不是这样的话，可能需要从最小值进行缩放）。

df2['regime_encoded'] = df2.regime.cat.codes * max(df2.max(axis=1, numeric_only=True))
parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")

为了更好地适应示例，可以添加注释：

df2['regime_encoded'] = df2.regime.cat.codes * max(df2.max(axis=1, numeric_only=True)
parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")
ax = plt.gca()
for i,(label,val) in df2.loc[:,['regime','regime_encoded']].drop_duplicates().iterrows():
    ax.annotate(label, xy=(3,val), ha='left', va='center')

Answer 2

基于@Diziet answer，为了能够在Python2.5下获得所需的图，我们可以使用以下代码：

import pandas as pd
import matplotlib.pyplot as plt
from pandas.tools.plotting import parallel_coordinates

def format(input):
    if input == "N":
        output = 0
    elif input == "N-1":
        output = 1
    else:
        output = None
    return output

df2 = pd.DataFrame([["line 1",20,30,100,"N"],\
    ["line 2",10,40,90,"N"],["line 3",10,35,120,"N-1"]],\
    columns=["element","var 1","var 2","var 3","regime"])
df2["regime_encoded"] = df2["regime"].apply(format) * max(df2[["var 1","var 2","var 3"]].max(axis=1))

parallel_coordinates(df2[['element', 'var 1', 'var 2', 'var 3', 'regime_encoded']],"element")
ax = plt.gca()
for i,(label,val) in df2.ix[:,['regime','regime_encoded']].drop_duplicates().iterrows():
    ax.annotate(label, xy=(3,val), ha='left', va='center')

plt.show()

最终将显示以下图表：