python - 在 Python 中，如何创建基于 groupby() 的两个类别的线图，其中一个类别是图例？

Question

我使用此代码对平均值进行分组。按年份和大陆划分的预期生命周期:

avg_lifeExp_by_cont_yr = df.groupby(['year','continent'])['lifeExp'].mean()

结果如下所示:



我想创建一个折线图，在 x 轴上有年份，avg。 y 轴上的预期生命周期，以及用作图例的大陆(因此每个大陆一条线)。

Answer 1

您可以使用 df.unstack('continent')把大洲作为列，那么这个dataframe就变成了一个二维表，第一列是X，其他列是Y。你可以直接调用plot通过原始 matplotlib 操作自己运行或控制绘图。

感谢您提供数据，以下是您请求的完整代码示例:

# imports
import pandas as pd
import matplotlib.pyplot as plt
# prepare dataframe
df = pd.read_csv('gapminder.tsv', sep='\t')
df = df.groupby(['year','continent']).lifeExp.mean()

# unstack the `continent` index, to place it as columns
df = df.unstack(level='continent')

# The name of columns would become the name of legend
# when using dataframe plot
df.columns.name = 'Life Expectation'

# Now, we have a 2d talbe, 1st column become to X
# and other columns become to Y
# In [14]: df.head()
# Out[14]:
# Life Expectation     Africa  Americas       Asia     Europe  Oceania
# year
# 1952              39.135500  53.27984  46.314394  64.408500   69.255
# 1957              41.266346  55.96028  49.318544  66.703067   70.295
# 1962              43.319442  58.39876  51.563223  68.539233   71.085
# 1967              45.334538  60.41092  54.663640  69.737600   71.310
# 1972              47.450942  62.39492  57.319269  70.775033   71.910

# matplotlib operations
# Here we use dataframe plot function
# You could also use raw matplotlib plot one column each to do fine control
# Please polish the figure with more configurations
fig, ax = plt.subplots(figsize=(6, 4.5))
df.plot()

数据处理有几个技巧，请查看代码中的注释。粗略的情节看起来像


请用更多的 matplotlib 操作润色你的图。例如:

设置 y 标签

两个大的高度，将图例设置为两列以减少它

线条的颜色或线条的形状

线与标记？

这里有一些调整

# set axis labels
ax.set_xlabel('Year')
ax.set_ylabel('Life Expection')

# set markers
markers = ['o', 's', 'd', '^', 'v']
for i, line in enumerate(ax.get_lines()):
    line.set_marker(markers[i])

# update legend
ax.legend(ax.get_lines(), df.columns, loc='best', ncol=2)

plt.tight_layout()

该图现在看起来像: