python - pandas.plot 参数 c vs s

Question

我有以下机器学习书中的 python 代码:

copy_set.plot(kind = "scatter" , x = "longitude" , 
              y = "latitude" , alpha = 0.4 , 
              s = copy_set[ "population" ], 
              label = "population" , figsize=(10,7), 
              c = "median_house_value" , cmap = plt.get_cmap ( "jet" ) ) 

median_house_value 和 population 是 copy_set 数据框中的两列。我不明白为什么对于参数 s 我必须使用 copy_set['population'] 但对于参数 c 可以只使用列名 median_house_value。当我尝试仅将列名用于参数 s 时，我收到一条错误消息:

TypeError: ufunc 'sqrt' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

Answer 1

很好的问题。 df.plot 是几个 matplotlib 绘图函数的包装器。对于 kind="scatter" matplotlib 的 scatter 函数将被调用。 df.plot() 的大部分参数首先转换为 Series 中的数据，您从数据帧的相应名称的列中获取这些数据。

例如

df.plot(x="lon", y="lat")

将转换为

ax.scatter(x=df["lon"].values, y=df["lat"].values)

剩下的参数通过分散，因此

df.plot(x="lon", y="lat", some_argument_pandas_doesnt_know=True)

将导致

ax.scatter(x=df["lon"].values, y=df["lat"].values, some_argument_pandas_doesnt_know=True)

因此，当 pandas 转换参数 x、y、c 时，它不会为 s。 s 因此简单地传递给 ax.scatter，但是 matplotlib 函数不知道像 "population" 这样的字符串是什么意思。
对于传递给 matplotlib 函数的参数，需要坚持 matplotlib 的签名，在 s 的情况下直接提供数据。

但是请注意，matplotlib 的 scatter 本身也允许使用字符串作为其参数。然而，这需要告诉它应该从哪个数据集中获取它们。这是通过 data 参数完成的。因此以下工作正常并且将是 matplotlib 等同于问题中的 pandas 调用:

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np; np.random.seed(42)

df = pd.DataFrame(np.random.rand(20,2), columns=["lon", "lat"])
df["pop"] = np.random.randint(5,300,size=20)
df["med"] = np.random.rand(20)*1e5

fig, ax = plt.subplots(figsize=(10,7))
sc = ax.scatter(x = "lon", y = "lat", alpha = 0.4, 
                s = "pop", label = "population" , 
                c = "med" , cmap = "jet", data=df)
fig.colorbar(sc, label="med")
ax.set(xlabel="longitude", ylabel="latitude")

plt.show()

最后，您现在可能会问，通过 data 参数向 matplotlib 提供数据是否不能通过 pandas 包装器传递。不幸的是，因为 pandas 在内部使用 data 作为参数，所以它不会被传递。因此，您的两个选择是:

1. 在问题中使用 pandas 并通过 s 参数而不是列名提供数据本身。
2. 如此处所示使用 matplotlib，并为所有参数使用列名。 (或者使用数据本身，这是您在查看 matplotlib 代码时最常看到的。)