Làm thế nào để vẽ một mảnh ghép trong Matplotlib

Question

Tôi biết rằng bạn có thể sử dụng mosaic plot from statsmodels nhưng hơi bực bội khi các danh mục của bạn có một số giá trị trống (like here). Tôi đã tự hỏi liệu nó có tồn tại một giải pháp với một thư viện đồ họa như matplotlib hay seaborn, mà sẽ có ích hơn.

Tôi nghĩ đó sẽ là một tính năng tuyệt vời cho bẩm sinh, vì các bảng dự phòng thường được xây dựng với gấu trúc. Tuy nhiên, có vẻ như sớm là it won't be implemented.

Cuối cùng, làm thế nào để có một ô ghép với 3 chiều và các danh mục trống có thể?

Dưới đây là một âm mưu khảm generic (từ wikipedia)

Answer 1

Như không có gì tồn tại trong python, đây là đoạn code tôi thực hiện. Kích thước cuối cùng phải bằng kích thước 1 (tức là một bảng thông thường) hoặc 2 cho bây giờ. Vui lòng cập nhật mã để khắc phục điều đó, mặc dù có thể không đọc được với hơn 3. Đó là một chút dài nhưng nó thực hiện công việc. Ví dụ bên dưới.

Có vài lựa chọn, hầu hết là tự giải thích, nếu không:

• dic_color_row: một cuốn từ điển ở đâu phím bên ngoài-nhất chỉ mục (Index_1 trong ví dụ dưới đây) và các giá trị được màu sắc, tránh màu đen/xám màu sắc
• pad: khoảng cách giữa mỗi thanh của cốt truyện
• alpha_label: lừa sử dụng chiều alpha thứ 3 để phân biệt, giữa chúng, nó sẽ được trả lại màu xám như màu xám đen/ánh sáng trong huyền thoại và bạn có thể thay đổi tên của mỗi nhãn (tương tự như col_labels hoặc row_labels)

• color_label: để thêm màu nền cho nhãn y-tick. [True/False]

  def mosaic_plot(df, dic_color_row, row_labels=None, col_labels=None, alpha_label=None, top_label="Size", 
         x_label=None, y_label=None, pad=0.01, color_ylabel=False, ax=None, order="Size"): 
      """ 
  
      From a contingency table NxM, plot a mosaic plot with the values inside. There should be a double-index for rows 
      e.g. 
               3 4 1 0 2 5 
       Index_1   Index_2      
       AA    C    0 0 0 2 3 0 
           P    6 0 0 13 0 0 
       BB    C    0 2 0 0 0 0 
           P    45 1 10 10 1 0 
       CC    C    0 6 35 15 29 0 
           P    1 1 0 2 0 0 
       DD    C    0 56 0 3 0 0 
           P    30 4 2 0 1 9 
  
      order: how columns are order, by default, from the biggest to the smallest in term of category. Possible values are 
       - "Size" [default] 
       - "Normal" : as the columns are order in the input df 
       - list of column names to reorder the column 
      top_label: Size of each columns. The label can be changed to adapt to your value. 
         If `False`, nothing is displayed and the secondary legend is set on top instead of on right. 
      """ 
  
      is_multi = len(df.index.names) == 2 
      if ax == None: 
       fig, ax = plt.subplots(1,1, figsize=(len(df.columns), len(df.index.get_level_values(0).unique()))) 
  
      size_col = df.sum().sort_values(ascending=False) 
      prop_com = size_col.div(size_col.sum()) 
  
      if order == "Size": 
       df = df[size_col.index.values] 
      elif order == "Normal": 
       prop_com = prop_com[df.columns] 
       size_col = size_col[df.columns] 
      else: 
       df = df[order] 
       prop_com = prop_com[order] 
       size_col = size_col[order] 
  
      if is_multi: 
       inner_index = df.index.get_level_values(1).unique() 
       prop_ii0 = (df.swaplevel().loc[inner_index[0]]/(df.swaplevel().loc[inner_index[0]]+df.swaplevel().loc[inner_index[1]])).fillna(0) 
       alpha_ii = 0.5 
       true_y_labels = df.index.levels[0] 
      else: 
       alpha_ii = 1 
       true_y_labels = df.index 
  
      Yt = (df.groupby(level=0).sum().iloc[:,0].div(df.groupby(level=0).sum().iloc[:,0].sum())+pad).cumsum() - pad 
      Ytt = df.groupby(level=0).sum().iloc[:,0].div(df.groupby(level=0).sum().iloc[:,0].sum()) 
  
      x = 0  
      for j in df.groupby(level=0).sum().iteritems(): 
       bot = 0 
       S = float(j[1].sum()) 
       for lab, k in j[1].iteritems(): 
        bars = [] 
        ax.bar(x, k/S, width=prop_com[j[0]], bottom=bot, color=dic_color_row[lab], alpha=alpha_ii, lw=0, align="edge") 
        if is_multi: 
         ax.bar(x, k/S, width=prop_com[j[0]]*prop_ii0.loc[lab, j[0]], bottom=bot, color=dic_color_row[lab], lw=0, alpha=1, align="edge") 
        bot += k/S + pad 
       x += prop_com[j[0]] + pad 
  
      ## Aesthetic of the plot and ticks 
      # Y-axis 
      if row_labels == None: 
       row_labels = Yt.index 
      ax.set_yticks(Yt - Ytt/2) 
      ax.set_yticklabels(row_labels) 
  
      ax.set_ylim(0, 1 + (len(j[1]) - 1) * pad) 
      if y_label == None: 
       y_label = df.index.names[0] 
      ax.set_ylabel(y_label) 
  
      # X-axis 
      if col_labels == None: 
       col_labels = prop_com.index 
      xticks = (prop_com + pad).cumsum() - pad - prop_com/2. 
      ax.set_xticks(xticks) 
      ax.set_xticklabels(col_labels) 
      ax.set_xlim(0, prop_com.sum() + pad * (len(prop_com)-1)) 
  
      if x_label == None: 
       x_label = df.columns.name 
      ax.set_xlabel(x_label) 
  
      # Top label 
      if top_label: 
       ax2 = ax.twiny() 
       ax2.set_xlim(*ax.get_xlim()) 
       ax2.set_xticks(xticks) 
       ax2.set_xticklabels(size_col.values.astype(int)) 
       ax2.set_xlabel(top_label) 
       ax2.tick_params(top=False, right=False, pad=0, length=0) 
  
      # Ticks and axis settings 
  
      ax.tick_params(top=False, right=False, pad=5) 
      sns.despine(left=0, bottom=False, right=0, top=0, offset=3) 
  
      # Legend 
      if is_multi: 
       if alpha_label == None: 
        alpha_label = inner_index 
       bars = [ax.bar(np.nan, np.nan, color="0.2", alpha=[1, 0.5][b]) for b in range(2)] 
       if top_label: 
        plt.legend(bars, alpha_label, loc='center left', bbox_to_anchor=(1, 0.5), ncol=1,) 
       else: 
        plt.legend(bars, alpha_label, loc="lower center", bbox_to_anchor=(0.5, 1), ncol=2) 
      plt.tight_layout(rect=[0, 0, .9, 0.95]) 
      if color_ylabel: 
       for tick, label in zip(ax.get_yticklabels(), true_y_labels): 
        tick.set_bbox(dict(pad=5, facecolor=dic_color_row[label])) 
        tick.set_color("w") 
        tick.set_fontweight("bold") 
  
      return ax 
  

Với dataframe bạn nhận được sau một crosstabulation:

df 
Index_1   Index_2   v w x y z 
AA    Q    0 0 0 2 3 
AA    P    6 0 0 13 0 
BB    Q    0 2 0 0 0 
BB    P    45 1 10 10 1 
CC    Q    0 6 0 15 9 
CC    P    0 1 0 2 0 
DD    Q    0 56 0 3 0 
DD    P    30 4 2 0 1 

hãy chắc chắn rằng bạn có 2 cột như chỉ số:

df.set_index(["Index_1", "Index_2"], inplace=True) 

và sau đó chỉ cần gọi:

mosaic_plot(df, 
      {"AA":"r", "BB":"b", "CC":"y", "DD":"g"}, # dict of color, mandatory 
      x_label='My Category', 
      ) 

Nó không hoàn hảo, nhưng tôi hy vọng nó sẽ giúp người khác.