Python:如何为单个跟踪添加辅助 x 轴？

Question

我有一个 DataFrame(参见下面的“测试数据”部分)，我想添加一个辅助 x 轴(在顶部)。但是这个轴必须是从 0 到 38.24(ms)。这是“时间”列中所有值的总和。它表示执行 4 个推理所花费的总时间。
到目前为止，我已经尝试过 'twinx()' 没有成功。
我怎样才能做到这一点？有可能还是我缺乏信息？
测试数据:

raw_data = {'Time': [21.9235, 4.17876, 4.02168, 3.81504, 4.2972],
            'TPU': [33.3, 33.3, 33.3, 33.3, 33.3],
            'CPU': [32, 32, 32, 32, 32],
            'MemUsed': [435.92, 435.90, 436.02, 436.02, 436.19]}

df_m=pd.DataFrame(raw_data, columns = ['Time', 'TPU', 'CPU', 'MemUsed'])

df_m

##Sum of all values in column Time(ms)
(df_m.iloc[:, 0].sum())

##Time per inference(ms)
ax = df_m.plot(kind = 'line', y = 'MemUsed', grid = True)
ax.set_xlabel("NUMBER OF INFERENCES")
ax.set_ylabel("MemUsed(MB)")

我尝试过的:

ax = df_m.plot(kind = 'line', y = 'MemUsed', grid = True)
df_m.plot(kind='line', ax=ax.twinx(), secondary_x=range(0, 39))
ax.set_xlabel("NUMBER OF INFERENCES")
ax.set_ylabel("MemUsed(MB)")

输出图:

大 table 长什么样子

Answer 1

除了您对 plotly 的正面评价之外，这里还有一个示例，说明如何为您的数据集实现多 xaxis。
代码比看起来简单得多。由于我格式化 dict 的方式，代码显得“冗长” s 以便于阅读。
关键要素是:

添加 time 的累积总和列 ( time_c ) 用于 xaxis2 .

添加与 xaxis 对齐的隐藏跟踪，以及与 xaxis2 对齐的时间数据.如果没有隐藏的轨迹，要么两个轴都不出现，要么它们出现但没有对齐，因为只绘制了一个轨迹。

(更新)示例代码:
以下代码已更新，以解决 OP 在使用更大(70k 行)数据集时遇到的问题。
关键的变化是对 layout['xaxis'] 的更新。和 layout['xaxis2']包含的字典 'type': 'category' , 'nticks'并定义 'range'键。

import pandas as pd
from plotly.offline import plot

# Create the dataset.
raw_data = {'time': [21.9235, 4.17876, 4.02168, 3.81504, 4.2972],
            'tpu': [33.3, 33.3, 33.3, 33.3, 33.3],
            'cpu': [32, 32, 32, 32, 32],
            'memused': [435.92, 435.90, 436.02, 436.02, 436.19]}

df = pd.DataFrame(raw_data)
df['time_c'] = df['time'].cumsum().round(2)

# Plotting code.
data = []
layout = {'margin': {'t': 105},
          'title': {'text': 'Example Showing use of Secondary X-Axis', 
                    'y': 0.97}}

# Create a (hidden) trace for the xaxis.
data.append({'x': df.index,
             'y': df['memused'],
             'showlegend': False,
             'mode': 'markers', 
             'marker': {'size': 0.001}})
# Create the visible trace for xaxis2.
data.append({'x': df['time_c'],
             'y': df['memused'],
             'xaxis': 'x2',
             'name': 'Inference'})

# Configure graph layout.
nticks = int(df.shape[0] // (df.shape[0] * 0.05))
layout['xaxis'] = {'title': 'Number of Inferences',
                   'nticks': nticks,
                   'range': [df.index.min(), df.index.max()],
                   'tickangle': 45,
                   'type': 'category'}
layout['xaxis2'] = {'title': 'Time(ms)', 
                    'nticks': nticks,
                    'overlaying': 'x1', 
                    'range': [df['time_c'].min(), df['time_c'].max()],
                    'side': 'top', 
                    'tickangle': 45,
                    'type': 'category'}
layout['yaxis'] = {'title': 'Memory Used (MB)'}

fig = {'data': data, 'layout': layout}
plot(fig, filename='/path/to/graph.html')

示例图(原始数据集):
为了代码简单，我有意省略了任何额外的显示配置。然而，指的是顶级 plotly docs ，图形为 高度可配置。

示例图(新数据集):
此图使用来自另一个答案的(更大的 70k 行)合成数据集。