有一个代表一些地理数据的变量列表加上一个表示为正或负的变量,我尝试在散点图中绘制两个变量,用不同的颜色绘制它们的负值和正值。在绘制 f.e. 时问题已经出现了。只是正值:尽管它们的最小值 - 最大值,绘制的值与比例不对应,似乎完全绘制了其他值,或者值与其他轴重新缩放。作为 x 和 y 轴,两者都具有相同的缩放比例。 系统:windows8 64 位,尽管 32 位上的 python 2.7(ARcGIS 附带)、numpy 1.8.1.、matplotlib(无法检查版本)..
代码是这样的:
>>> df.head() ## DATA SAMPLE ##
dem_sl events gwflabst kipp_macht luftb_hydgr_add
5056 4.01518 0 0.174846 3.56536 2.666560
5057 3.84420 0 0.000000 6.70155 2.193530
5058 3.95850 0 0.000000 7.18019 2.350860
5059 4.42980 0 0.661806 1.23403 3.514760
5496 1.25325 0 0.070530 9.10564 -0.821533
# df = ''pandas data frame, cleaned from NaN, lat lon dropped''
pos = np.where(df['events'] == 1)
neg = np.where(df['events'] == 0)
out = np.asmatrix(df)
# while looping through var:
for t in var:
for tt in var:
if t! = tt:
我后来在这里添加了额外打印两个变量的最大值。
[Dbg]>>> print '...Plotting '+t, ' with min-max: ', df[t].min(), '---', df[t].max()
...Plotting kipp_macht with min-max: 0.0 --- 52.7769
[Dbg]>>> print '...Plotting '+tt, ' with min-max: ', df[tt].min(), '---', df[tt].max()
...Plotting luftb_hydgr_add with min-max: -2.70172 --- 34.7528
当我绘制第一个散点图时:
#col index of the var
plt.scatter(out[np.array(neg), df.columns.get_loc(t)],out[np.array(neg), df.columns.get_loc(tt)], marker='x', c='r')
plt.scatter(out[np.array(pos), df.columns.get_loc(t)],out[np.array(pos), df.columns.get_loc(tt)], marker='+', c='b')
plt.show()
del var[0] # del the first var
似乎我得到的数据在两个轴上按总体(从两个轴)最大值和最小值缩放。 当我尝试具有更大差异的其他数据时也是如此。在尺度上。 最有趣的部分是,之前,我只是尝试绘制一次,没有循环,我尝试通过使用简单的结构作为 out[0] 来散点图访问数据,而不是“搜索”索引,我得到了我所期望的。 所以现在,我不确定问题出在哪里,因为即使我只是绘制负值或正值,它们已经处于一个奇怪的范围内。
我尝试创建无花果并将无花果保存到文件中,尝试使用 plt.clf() 清理图。 简单地通过访问相同的值,厌倦了绘制直方图来查看分散,除了散点图之外一切都很好。
非常感谢任何帮助!
请您参考如下方法:
如果我理解正确,你想针对 luftb_hydgr_add 分别针对 events == 0 和 events = = 1。
您可以只使用 events 列的内容来制作 bool 索引,并使用这些索引到 kipp_macht 和 luftb_hydgr_add:
plt.scatter(df.kipp_macht[df.events == 1], df.luftb_hydgr_add[df.events == 1],
'b+', label='pos')
plt.scatter(df.kipp_macht[df.events == 0], df.luftb_hydgr_add[df.events == 0],
'rx', label='neg')
或者您可以获得相应的行索引并使用它们索引到 kipp_macht 和 luftb_hydgr_add,尽管这是一种稍微更迂回的做事方式:
pos = np.where(df.events == 1)[0]
neg = np.where(df.events == 0)[0]
plt.scatter(df.kipp_macht[pos], df.luftb_hydgr_add[pos], 'b+', label='pos')
plt.scatter(df.kipp_macht[neg], df.luftb_hydgr_add[neg], 'rx', label='neg')
您还可以根据事件列过滤整个数据框:
df_pos = df[df.events == 1]
df_neg = df[df.events == 0]
这将允许您绘制“正”和“负”情况下任何一对参数之间的关系,例如:
plt.scatter(df_pos.kipp_macht, df_pos.luftb_hydgr_add, 'b+', label='pos')
plt.scatter(df_neg.kipp_macht, df_neg.luftb_hydgr_add, 'rx', label='neg')
