Skip to main content
 首页 » 编程设计

python之在 matplotlib 中绘制矩阵,同时为正值和负值获取索引数据时,返回错误的绘图轴或数据

2024年10月25日11zlslch

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')