1 回答
TA贡献1845条经验 获得超8个赞
bokeh 不一定需要字典才能工作,因此我们实际上可以使用pivotDataframe 方法来实现所需的转换并直接绘制结果。
>>> df = pd.DataFrame({
'events': ['a', 'b', 'a', 'c', 'b', 'c'],
'count': [2, 1, 8, 1, 4, 1],
'Name': ['jerry', 'jerry', 'joe', 'joe', 'megan', 'megan']})
>>> df
events count Name
0 a 2 jerry
1 b 1 jerry
2 a 8 joe
3 c 1 joe
4 b 4 megan
5 c 1 megan
转换数据:
>>> df2 = df.pivot(index="Name", columns="events", values="count").fillna(0)
>>> df2
events a b c
Name
jerry 2.0 1.0 0.0
joe 8.0 0.0 1.0
megan 0.0 4.0 1.0
绘制数据:
from bokeh.plotting import figure
from bokeh.palettes import viridis
names = df2.index.tolist()
events = df2.columns.tolist()
color = viridis(len(events))
p = figure(x_range=names)
p.vbar_stack(events, x="Name", source=df2, width=.9, color=color), legend_label=events)
show(p)
绘制此图的另一种方法是使用 Holoviews 库(只需添加此库,因为 Holoviews 可以生成一些比 Bokeh 更简洁的代码)。Holoviews 会为您处理数据转换,因此您不需要任何额外的工作:
import holoviews as hv
hv.extension("bokeh")
hv.Bars(df, kdims=["Name", "events"], vdims="count").opts(stacked=True)
至于替代解决方案,我并不完全确定。我认为与 167 种类型的事件进行视觉比较并不容易(即 167 种独特的颜色,因此这些颜色可能不是非常容易辨别 - 更不用说具有 167 个条目的笨拙图例)。如果这种可视化方式没有帮助,我建议使用 Holoviews 库为您的每个名字创建一个条形图。然后,您可以切换数据中每个人的绘图。
import holoviews as hv hv.extension("bokeh") hv.Bars(df, kdims=["Name", "events"], vdims="count").groupby("Name")
添加回答
举报