Python-matplotlib 学术散点图 EE 统计及绘制

DataCharm

发布于 2021-02-22 15:21:11

8560

发布于 2021-02-22 15:21:11

01. 引言

之前的绘制图文Python-matplotlib 学术散点图完善 Python-matplotlib 学术型散点图绘制教程中，对学术散点图已经进行了较为完善的绘制教程，但这几天的通过准备 论文图表再现计划 以及后台小伙伴的留言，发现在绘制的相关性散点图中，各个范围的 Expected Error （EE）的统计个数没有在图表中进行展示，即下图中左下角的信息没有绘制。

要完成上述的信息添加，只要涉及的知识点为 数据统计 的简单数据处理过程。下面就此问题进行详细的讲解。

02. 数据处理

要完成数据统计操作，首先要先进行三条拟合线的制作，具体如下：

#导入数据拟合函数
from scipy.stats import linregress  
x2 = np.linspace(-10,10)
#制作最佳拟合线数据
y2=x2
#制作上拟合线数据
up_y2 = 1.15*x2 + 0.05
#制作下拟合线数据
down_y2 = 0.85*x2 - 0.05
#进行拟合
line_01 = linregress(x2,y2)
line_top = linregress(x2,up_y2)
line_bopptom = linregress(x2,down_y2)

其中，up_y2和down_y2 具体设置可以参考之前的推文Python-matplotlib 学术散点图完善，linregress () 拟合的结果如下：

slope 为斜率，intercept 为截距，rvalue 为相关系数，pvalue 为p值，stderr 为标准误差。

而原始的数据集如下（部分）：

接下来我们根据相同的x值构建对应拟合线的三个y值，具体代码如下：

data_select = data_select.copy()

data_select['true_y'] = data_select.true_data.values
data_select['top_y'] = data_select['true_data'].apply(lambda x : line_top[0]*x + line_top[1])
data_select['bottom_y'] = data_select['true_data'].apply(lambda x : line_bopptom[0]*x + line_bopptom[1])
data_select.head()

这里涉及到pandas 处理数据常用的 apply()函数，该方法对一般的数据处理步骤中经常使用，希望大家能够掌握。构建后的数据如下：

而判断各个 Expected Error 的依据就是根据所构建的 top_y 、bottom_y和 model01_estimated 。将三者进行对比分析即可。

统计个数

所需数据构建好后，就可根据pandas 的数据选择操作进行筛选，最后统计个数即可，具体代码如下：

#构建 选择条件
top_condi = (data_select['model01_estimated'] > data_select['top_y'])
bottom_condi = (data_select['model01_estimated'] < data_select['bottom_y'])
bottom_top = ((data_select['model01_estimated'] < data_select['top_y']) & \
              (data_select['model01_estimated'] > data_select['bottom_y']))
all_data = len(data_select)
top_counts = len(data_select[top_condi])
bottom_counts = len(data_select[bottom_condi])
bottom_top_counts = len(data_select[bottom_top])

进而求出不同 Expected Error 内的数据个数，本实例结果如下：

all_data = 4348
top_counts = 1681
bottom_counts = 404
bottom_top_counts = 2263

03. 数据可视化

数据可视化的绘制相对就比较简单的，大都和之前的推文也都一样，唯一不同的就是添加新内容部分，具体代码如下：

label_font = {'size':'22','weight':'medium','color':'black'}
ax.text(.7,.25,s='Within EE = ' + '{:.0%}'.format(bottom_top_counts/all_data),transform = ax.transAxes,
        ha='left', va='center',fontdict=text_font)
ax.text(.7,.18,s='Above EE = ' + '{:.0%}'.format(top_counts/all_data),transform = ax.transAxes,
        ha='left', va='center',fontdict=text_font)
ax.text(.7,.11,s='Below EE = ' + '{:.0%}'.format(bottom_counts/all_data),transform = ax.transAxes,
        ha='left', va='center',fontdict=text_font)

完整代码如下：

import pandas as pd
import numpy as np
from scipy import optimize
import matplotlib.pyplot as plt
from sklearn.metrics import mean_squared_error,r2_score
from matplotlib.pyplot import MultipleLocator
#统一修改字体
plt.rcParams['font.family'] = ['Arial']

N = len(test_data['true_data'])
x = test_data['true_data'].values.ravel() #真实值
y = test_data['model01_estimated'].values.ravel()#预测值
C=round(r2_score(x,y),4)
rmse = round(np.sqrt(mean_squared_error(x,y)),3)
#绘制拟合线
x2 = np.linspace(-10,10)
y2=x2
def f_1(x, A, B):  
    return A*x + B  
A1, B1 = optimize.curve_fit(f_1, x, y)[0]  
y3 = A1*x + B1
#开始绘图
fig, ax = plt.subplots(figsize=(7,5),dpi=200)
ax.scatter(x, y,edgecolor=None, c='k', s=12,marker='s')
ax.plot(x2,y2,color='k',linewidth=1.5,linestyle='-',zorder=2)
ax.plot(x,y3,color='r',linewidth=2,linestyle='-',zorder=2)

#添加上线和下线
ax.plot(x2,up_y2,color='k',lw=1.,ls='--',zorder=2,alpha=.8)
ax.plot(x2,down_y2,color='k',lw=1.,ls='--',zorder=2,alpha=.8)
fontdict1 = {"size":17,"color":"k",}
ax.set_xlabel("True Values", fontdict=fontdict1)
ax.set_ylabel("Estimated Values ", fontdict=fontdict1)
ax.grid(which='major',axis='y',ls='--',c='k',alpha=.7)
ax.set_axisbelow(True)
ax.set_xlim((0, 2.0))
ax.set_ylim((0, 2.0))
ax.set_xticks(np.arange(0, 2.2, step=0.2))
ax.set_yticks(np.arange(0, 2.2, step=0.2))

#设置刻度间隔
# x_major_locator=MultipleLocator(.5)
# #把x轴的刻度间隔设置为.5，并存在变量里
# y_major_locator=MultipleLocator(.5)
# ax.xaxis.set_major_locator(x_major_locator)
# #把x轴的主刻度设置为.5的倍数
# ax.yaxis.set_major_locator(y_major_locator)

for spine in ['top','left','right']:
    ax.spines[spine].set_visible(None)
ax.spines['bottom'].set_color('k')
ax.tick_params(bottom=True,direction='out',labelsize=14,width=1.5,length=4,
              left=False)
#ax.tick_params()
#添加题目
titlefontdict = {"size":20,"color":"k",}
ax.set_title('Scatter plot of True data and Model Estimated',titlefontdict,pad=20)
#ax.set_title()
fontdict = {"size":16,"color":"k",'weight':'bold'}
ax.text(0.1,1.8,r'$R^2=$'+str(round(C,3)),fontdict=fontdict)
ax.text(0.1,1.6,"RMSE="+str(rmse),fontdict=fontdict)
ax.text(0.1,1.4,r'$y=$'+str(round(A1,3))+'$x$'+" + "+str(round(B1,3)),fontdict=fontdict)
ax.text(0.1,1.2,r'$N=$'+ str(N),fontdict=fontdict)

#添加上下线的统计个数
text_font = {'size':'15','weight':'medium','color':'black'}
label_font = {'size':'22','weight':'medium','color':'black'}
ax.text(.9,.9,"(a)",transform = ax.transAxes,fontdict=text_font,zorder=4)

ax.text(.7,.25,s='Within EE = ' + '{:.0%}'.format(bottom_top_counts/all_data),transform = ax.transAxes,
        ha='left', va='center',fontdict=text_font)
ax.text(.7,.18,s='Above EE = ' + '{:.0%}'.format(top_counts/all_data),transform = ax.transAxes,
        ha='left', va='center',fontdict=text_font)
ax.text(.7,.11,s='Below EE = ' + '{:.0%}'.format(bottom_counts/all_data),transform = ax.transAxes,
        ha='left', va='center',fontdict=text_font)

ax.text(.8,.056,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 10,color='black')
# plt.savefig(r'E:\Data_resourses\DataCharm 公众号\Python\学术图表绘制\scatter_EE.png',
#             width=7,height=4,dpi=900,bbox_inches='tight')
plt.show()

结果如下：

04. 总结

本期的推文主要就是介绍如何统计 Expected Error 个数及将结果展示在绘图中，涉及的知识点点都是比较基础的 数据条件筛选及统计个数。pandas 库在数据处理及统计分析这一块应用起来是比较简单的，但也要多练习，毕竟数据处理小技巧比较多也易忘。还有，也别说一个知识点发了多篇推文啊

，毕竟个人能力有限，自己也在不断学习，且不同的需求也是在交流中完善，希望大家后台多提意见或进群讨论，让我知道你们的需求，推文内容也会相应进行涉及。当然，我的 论文图表再现 计划的素材数据也在准备中

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2020-09-24，如有侵权请联系 cloudcommunity@tencent.com 删除

python