首页 文章

Matplotlib中的平行坐标图

提问于
浏览 次
40

可以使用传统的绘图类型相对直观地查看二维和三维数据 . 即使使用四维数据，我们也经常可以找到显示数据的方法 . 但是，高于4的尺寸变得越来越难以显示 . 幸运的是，parallel coordinates plots提供了一种查看更高维度结果的机制 .

Example Parallel Coordinates Plot from Wikipedia

几个绘图包提供了平行坐标图，例如Matlab，R，VTK type 1和VTK type 2，但我没有看到如何使用Matplotlib创建一个 .

  • Matplotlib中是否有内置的平行坐标图？我当然看不到一个in the gallery .

  • 如果没有内置类型，是否可以使用Matplotlib的标准功能构建平行坐标图？

Edit ：

根据以下振亚提供的答案，我开发了以下支持任意数量轴的概括 . 按照我在上面原始问题中发布的示例的绘图样式，每个轴都有自己的比例 . 我通过对每个轴点的数据进行归一化并使轴的范围为0到1来实现这一点 . 然后返回并为每个刻度线应用标签，在该截距处给出正确的值 .

该函数通过接受可迭代的数据集来工作 . 每个数据集被认为是一组点，其中每个点位于不同的轴上 . __main__ 中的示例为两组30行中的每个轴抓取随机数 . 线条在引起线条聚类的范围内是随机的;我想验证的行为 .

这个解决方案不如内置解决方案好，因为你有奇怪的鼠标行为，而且我通过标签伪造数据范围，但在Matplotlib添加内置解决方案之前，它是可以接受的 .

#!/usr/bin/python
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

def parallel_coordinates(data_sets, style=None):

    dims = len(data_sets[0])
    x    = range(dims)
    fig, axes = plt.subplots(1, dims-1, sharey=False)

    if style is None:
        style = ['r-']*len(data_sets)

    # Calculate the limits on the data
    min_max_range = list()
    for m in zip(*data_sets):
        mn = min(m)
        mx = max(m)
        if mn == mx:
            mn -= 0.5
            mx = mn + 1.
        r  = float(mx - mn)
        min_max_range.append((mn, mx, r))

    # Normalize the data sets
    norm_data_sets = list()
    for ds in data_sets:
        nds = [(value - min_max_range[dimension][0]) / 
                min_max_range[dimension][2] 
                for dimension,value in enumerate(ds)]
        norm_data_sets.append(nds)
    data_sets = norm_data_sets

    # Plot the datasets on all the subplots
    for i, ax in enumerate(axes):
        for dsi, d in enumerate(data_sets):
            ax.plot(x, d, style[dsi])
        ax.set_xlim([x[i], x[i+1]])

    # Set the x axis ticks 
    for dimension, (axx,xx) in enumerate(zip(axes, x[:-1])):
        axx.xaxis.set_major_locator(ticker.FixedLocator([xx]))
        ticks = len(axx.get_yticklabels())
        labels = list()
        step = min_max_range[dimension][2] / (ticks - 1)
        mn   = min_max_range[dimension][0]
        for i in xrange(ticks):
            v = mn + i*step
            labels.append('%4.2f' % v)
        axx.set_yticklabels(labels)


    # Move the final axis' ticks to the right-hand side
    axx = plt.twinx(axes[-1])
    dimension += 1
    axx.xaxis.set_major_locator(ticker.FixedLocator([x[-2], x[-1]]))
    ticks = len(axx.get_yticklabels())
    step = min_max_range[dimension][2] / (ticks - 1)
    mn   = min_max_range[dimension][0]
    labels = ['%4.2f' % (mn + i*step) for i in xrange(ticks)]
    axx.set_yticklabels(labels)

    # Stack the subplots 
    plt.subplots_adjust(wspace=0)

    return plt


if __name__ == '__main__':
    import random
    base  = [0,   0,  5,   5,  0]
    scale = [1.5, 2., 1.0, 2., 2.]
    data = [[base[x] + random.uniform(0., 1.)*scale[x]
            for x in xrange(5)] for y in xrange(30)]
    colors = ['r'] * 30

    base  = [3,   6,  0,   1,  3]
    scale = [1.5, 2., 2.5, 2., 2.]
    data.extend([[base[x] + random.uniform(0., 1.)*scale[x]
                 for x in xrange(5)] for y in xrange(30)])
    colors.extend(['b'] * 30)

    parallel_coordinates(data, style=colors).show()

Edit 2:

以下是绘制Fisher's Iris data时上述代码的示例 . 它不如维基百科的参考图像那么好，但如果你拥有的只是Matplotlib并且你需要多维图，它是可以通过的 .

Example result of parallel coordinates plot from this answer

python matplotlib parallel-coordinates

4 回答

  • 13

    我确信有更好的方法可以做到这一点，但这是一个快速而肮脏的方法（一个非常脏的方式）：

    #!/usr/bin/python
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

#vectors to plot: 4D for this example
y1=[1,2.3,8.0,2.5]
y2=[1.5,1.7,2.2,2.9]

x=[1,2,3,8] # spines

fig,(ax,ax2,ax3) = plt.subplots(1, 3, sharey=False)

# plot the same on all the subplots
ax.plot(x,y1,'r-', x,y2,'b-')
ax2.plot(x,y1,'r-', x,y2,'b-')
ax3.plot(x,y1,'r-', x,y2,'b-')

# now zoom in each of the subplots 
ax.set_xlim([ x[0],x[1]])
ax2.set_xlim([ x[1],x[2]])
ax3.set_xlim([ x[2],x[3]])

# set the x axis ticks 
for axx,xx in zip([ax,ax2,ax3],x[:-1]):
  axx.xaxis.set_major_locator(ticker.FixedLocator([xx]))
ax3.xaxis.set_major_locator(ticker.FixedLocator([x[-2],x[-1]]))  # the last one

# EDIT: add the labels to the rightmost spine
for tick in ax3.yaxis.get_major_ticks():
  tick.label2On=True

# stack the subplots together
plt.subplots_adjust(wspace=0)

plt.show()

    这基本上是基于Joe Kingon的一个（更好的）Python/Matplotlib - Is there a way to make a discontinuous axis? . 您可能还想查看同一问题的其他答案 .

    在这个例子中，我甚至没有尝试缩放垂直标度，因为它取决于你想要实现的目标 .

    编辑：这是结果
    enter image description here

    回复于
  • 0

    pandas有一个平行坐标包装器：

    import pandas
import matplotlib.pyplot as plt
from pandas.tools.plotting import parallel_coordinates

data = pandas.read_csv(r'C:\Python27\Lib\site-packages\pandas\tests\data\iris.csv', sep=',')
parallel_coordinates(data, 'Name')
plt.show()

    screenshot

    源代码，他们是如何做到的：plotting.py#L494

    回复于
  • 10

    使用pandas时（如theta所示），无法独立缩放轴 .

    你找不到不同垂直轴的原因是因为没有 . 我们的平行坐标是通过绘制垂直线和一些标签来“伪造”其他两个轴 .

    https://github.com/pydata/pandas/issues/7083#issuecomment-74253671

    回复于
  • 40

    到目前为止，我见过的最好的例子就是这个

    https://python.g-node.org/python-summerschool-2013/_media/wiki/datavis/olympics_vis.py

    请参阅normalised_coordinates函数 . 不是超级快，但从我尝试过的工作 .

    normalised_coordinates(['VAL_1', 'VAL_2', 'VAL_3'], np.array([[1230.23, 1500000, 12453.03], [930.23, 140000, 12453.03], [130.23, 120000, 1243.03]]), [1, 2, 1])
    回复于

相关问题