Python：如何为单个迹线添加辅助 x 轴？

Question

我有一个 DataFrame（请参阅下面的“测试数据”部分），我想添加一个辅助 x 轴（在顶部）。但该轴必须在 0 到 38.24(ms) 之间。这是“时间”列中所有值的总和。它表示执行 4 个推理所需的总时间。到目前为止，我已经尝试过“twinx()”但没有成功。我怎样才能做到这一点？有可能吗还是我缺乏信息？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：大桌子长什么样子

Answer 1

除了您对情节的积极评论之外，这里是一个如何为数据集实现多轴的示例。

该代码比看起来简单得多。由于我格式化dicts 以便于阅读的方式，代码显得“冗长”。

关键要素是：

• time添加列 ( )的累积和time_c以供使用xaxis2。

• 添加与 对齐的隐藏跟踪xaxis，以及与 对齐的时间数据xaxis2。如果没有隐藏迹线，则两个轴要么不出现，要么出现但未对齐，因为只绘制了一条迹线。

（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。

layout['xaxis']键的更改是对和字典的更新，layout['xaxis2']以包含'type': 'category','nticks'和 定义的'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）：

为了代码简单起见，我故意省略了任何额外的显示配置。然而，参考顶级的plotly 文档，这些图表是高度可配置的。

示例图（新数据集）：

该图使用来自其他答案的（更大，70k 行）合成数据集。

Answer 2

尽管通常不鼓励，但我将发布另一个答案来解决新数据集，因为前面的答案在给定原始数据集的情况下有效。

此示例与辅助 x 轴的原始请求不同，原因有两个：

1. 由于（新）数据集的大小，绘制“隐藏”数据层并不是最佳选择。

2. 为了使辅助 x 轴正确显示，必须绘制第二个趋势，并且考虑到之前的原因，这不再是一个选项。

因此，采取了不同的方法——x轴的组合标记。单个 x 轴没有绘制两个轴，而是具有两个所需的标签。

示例图：

注意：这（显然）是合成数据，以便达到更新问题中的行数 (70k)。

示例代码：

import numpy as np

import pandas as pd

from plotly.offline import plot

# Synthesised dataset. (This code can be ignored.)

np.random.seed(0)

a = np.random.exponential(size=70000)*4

t = pd.Series(a).rolling(window=2000, min_periods=50).mean().to_numpy()

r = np.arange(70000).astype(str)

m = t*100

df = pd.DataFrame({'run': r, 

                   'time': t,

                   'memused': m}).dropna()

# Add cumulative time column.

df['time_c'] = df['time'].cumsum().round(1)

# --- Graphing code starts here ---

def create_labels(x):

    """Function to create xaxis labels."""

    return f"({x['run']}): {x['time_c']}"

# Create xaxis labels.

df['xaxis'] = df.apply(create_labels, axis=1)

# Create the graph.

data = []

layout = {'title': 'Combined X-Axis Labeling'}

data.append({'x': df['xaxis'], 

             'y': df['memused']})

layout['xaxis'] = {'title': '(Inference): Cumulative Time (ms)', 

                   'type': 'category', 

                   'nticks': df.shape[0] // 3500,

                   'tickangle': 45}

layout['yaxis'] = {'title': 'Memory Used (MB)'}

fig = {'data': data, 'layout': layout}

plot(fig, filename='/path/to/graph.html')