python - 绘制具有不同阵列长度的 3D Pandas 数据帧的光谱数据

Question

有没有可能得到类似this plot的东西

从 pandas 数据帧，以类似于我只是简单地做二维绘图的方式 (df.plot())？

更准确地说:

我有从 csv 文件读取到具有以下结构的 pandas DataFrame 的数据:

1st level header        A        B       C       D        E         F 
2nd level header      2.0      1.0     0.2     0.4      0.6       0.8

        Index                                                      
     126.4348  -467048  -814795  301388  298430  -187654  -1903170 
     126.4310  -468329  -810060  304366  305343  -192035  -1881625 
     126.4272  -469209  -804697  305795  312472  -197013  -1854848 
     126.4234  -469685  -799604  305647  318936  -200957  -1827665 
     126.4195  -469795  -795708  304101  323922  -202192  -1805153 
     126.4157  -469610  -793795  301497  326780  -199323  -1791743 
     126.4119  -469213  -794362  298257  327092  -191547  -1790418 
     126.4081  -468687  -797499  294817  324717  -178875  -1802122 
     126.4043  -468097  -802853  291546  319800  -162225  -1825540 
     126.4005  -467486  -809663  288700  312745  -143334  -1857270 
     126.3967  -466863  -816878  286401  304170  -124505  -1892389 
     126.3929  -466210  -823335  284645  294827  -108228  -1925312 
     126.3890  -465485  -827966  283331  285520   -96733  -1950795 
     126.3852  -464637  -829997  282315  277018   -91559  -1964894 
     126.3814  -463617  -829104  281457  269965   -93242  -1965702 
     126.3776  -462399  -825487  280670  264824  -101170  -1953728 
     126.3738  -460982  -819857  279942  261819  -113660  -1931820 
     126.3700  -459408  -813317  279344  260927  -128242  -1904669 
     126.3662  -457757  -807177  279009  261885  -142112  -1877955 
     126.3624  -456143  -802715  279090  264233  -152667  -1857303 
     126.3585  -454700  -800940  279722  267380  -158023  -1847241 
     126.3547  -453566  -802397  280969  270692  -157406  -1850358 
     126.3509  -452862  -807050  282792  273579  -151350  -1866803 
     126.3471  -452672  -814262  285033  275591  -141627  -1894249 
     126.3433  -453030  -822898  287426  276486  -130942  -1928303 
     126.3395  -453910  -831501  289627  276273  -122426  -1963297 
     126.3357  -455223  -838544  291266  275222  -119021  -1993312 
     126.3319  -456834  -842695  292004  273824  -122882  -2013246 
     126.3280  -458571  -843048  291599  272725  -134907  -2019718 
     126.3242  -460252  -839292  289952  272620  -154497  -2011656 
          ...      ...      ...     ...     ...      ...       ... 

我想用它做什么

我想根据索引绘制这些列中的每一列(它们是 NMR 光谱)。在 2D 叠加层中，这是围绕 matplotlib 的 pandas 包装器的简单用法。但是，我想沿着具有二级标题的第三轴将每个频谱绘制在自己的“线”中蜱虫。我尝试使用 matplotlib 的 3D 绘图功能，但它似乎只适用于实际拥有三个长度相等的数组的情况，就我的数据而言，这是没有意义的，因为每个光谱都是为二级标题中的一个值记录的。

当我尝试制作 3D 绘图时，我是不是想得太复杂了？

我希望我的绘图看起来可能不是真正的 3D 绘图，而是一些特殊版本的叠加 2D 绘图吗？

我更愿意怎么做

奖励积分:

• 只使用 python
• 只使用 pandas 和 matplotlib
• 已经实现的功能

如果没有明显的 python 方法来做到这一点，我也会对可以做同样事情的其他语言的库感到高兴，例如R 或 Octave 。我只是不太熟悉这些，所以我可能无法在这些语言中采用更多 hacky 解决方案来满足我的要求。

This question 可能非常相似，但据我了解，它不一定扩展到 python 以外的软件，也没有结果应该是什么样子的示例，所以我不确定是否可以回答这个问题实际上可能对这个特定目的有帮助。

matplotlib 的图库示例有什么问题

正如 lanery 所指出的，matplotlib 库中的 polygon3D 非常接近我的期望。然而，它有一些缺点，其中一些是大多数科学出版物所不能接受的:

• 使用负值时，整个情节会转变为我想要的样子调用“屏幕中间”，看起来有点难看，使得很难从图中提取信息并使其与众不同从提供的例子
• 你得到那个交互式绘图窗口，它需要你找到一个你可以看到你需要看到的一切的角度。那可能适用于某些数据探索任务，但如果您使用用于可视化的脚本和对图形的微小更改会迫使你再次做一些体力劳动，这会减少您期望从脚本中获得的优势
• 如果您的值差异很大并且不是线性的，那么像 [0,1,1.7,2.5,6.2]，用于第三维，即第二维在这种情况下，水平标题，2d 图有非常不同的距离来自另一个，这是 Not Acceptable ，至少对任何人来说阅读出版物的非编程观众
• 对于非常常见的绘图操作来说，它相当长且技术性强在光谱学中。如果我愿意，代码量会很好构建可以在某些情况下制作 3D 绘图的软件。对于科学它最好能够完成这样的事情代码量少。

Answer 1

我给了您一个示例，该示例使用连续 X 和 Y 中的数据进行绘图，并且只是根据您的二级标题对 z 进行硬编码。

from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import matplotlib
%matplotlib inline

df = pd.read_csv("C:\Users\User\SkyDrive\Documents\import_data.tcsv.txt",header=None)

fig = plt.figure()
ax = fig.gca(projection='3d')

# Plot a sin curve using the x and y axes.
x = df[0]
ax.plot(x, df[1], zs=2, zdir='z', label='A')
ax.plot(x, df[2], zs=1, zdir='z', label='B')
ax.plot(x, df[3], zs=0.2, zdir='z', label='C')
ax.plot(x, df[4], zs=0.4, zdir='z', label='D')
ax.plot(x, df[5], zs=0.6, zdir='z', label='E')
ax.plot(x, df[6], zs=0.8, zdir='z', label='F')

# Customize the view angle so it's easier to see that the scatter points lie
# on the plane y=0
ax.view_init(elev=-150., azim=40)

plt.show()

您将不得不使用 view_init 上的选项来旋转并获得您想要的轴。我不太清楚你的最终目标是什么，但这是最终情节。