首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

具有多个y轴的pandas/matplotlib图

具有多个y轴的pandas/matplotlib图是指在一个图表中同时显示多个y轴的数据。这种图表可以用来比较不同尺度或单位的数据,并且可以更好地展示它们之间的关系。

在使用pandas和matplotlib创建具有多个y轴的图表时,可以按照以下步骤进行操作:

  1. 导入必要的库:
代码语言:txt
复制
import pandas as pd
import matplotlib.pyplot as plt
  1. 创建数据集:
代码语言:txt
复制
data = {'x': [1, 2, 3, 4, 5],
        'y1': [10, 20, 30, 40, 50],
        'y2': [100, 200, 300, 400, 500],
        'y3': [1000, 2000, 3000, 4000, 5000]}
df = pd.DataFrame(data)
  1. 创建图表对象:
代码语言:txt
复制
fig, ax1 = plt.subplots()
  1. 绘制第一个y轴的数据:
代码语言:txt
复制
ax1.plot(df['x'], df['y1'], color='red', marker='o')
ax1.set_xlabel('X')
ax1.set_ylabel('Y1', color='red')
ax1.tick_params('y', colors='red')
  1. 创建第二个y轴对象:
代码语言:txt
复制
ax2 = ax1.twinx()
  1. 绘制第二个y轴的数据:
代码语言:txt
复制
ax2.plot(df['x'], df['y2'], color='blue', marker='o')
ax2.set_ylabel('Y2', color='blue')
ax2.tick_params('y', colors='blue')
  1. 创建第三个y轴对象:
代码语言:txt
复制
ax3 = ax1.twinx()
ax3.spines['right'].set_position(('outward', 60))  # 调整第三个y轴的位置
  1. 绘制第三个y轴的数据:
代码语言:txt
复制
ax3.plot(df['x'], df['y3'], color='green', marker='o')
ax3.set_ylabel('Y3', color='green')
ax3.tick_params('y', colors='green')
  1. 添加图例:
代码语言:txt
复制
lines = [ax1.get_lines()[0], ax2.get_lines()[0], ax3.get_lines()[0]]
ax1.legend(lines, ['Y1', 'Y2', 'Y3'])
  1. 显示图表:
代码语言:txt
复制
plt.show()

这样就可以创建一个具有多个y轴的图表。每个y轴对应不同的数据列,可以使用不同的颜色和标记进行区分。通过调整每个y轴的位置,可以避免它们之间的重叠。

这种图表适用于需要同时比较多个不同尺度或单位的数据的场景,例如比较销售额、访问量和用户数量等指标的变化趋势。

腾讯云相关产品和产品介绍链接地址:

  • 腾讯云计算服务:https://cloud.tencent.com/product/cvm
  • 腾讯云数据库:https://cloud.tencent.com/product/cdb
  • 腾讯云对象存储:https://cloud.tencent.com/product/cos
  • 腾讯云人工智能:https://cloud.tencent.com/product/ai
  • 腾讯云物联网:https://cloud.tencent.com/product/iot
  • 腾讯云移动开发:https://cloud.tencent.com/product/mob
  • 腾讯云区块链:https://cloud.tencent.com/product/baas
  • 腾讯云元宇宙:https://cloud.tencent.com/product/mu
页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • seaborn可视化入门

    【小提琴图】其实是【箱线图】与【核密度图】的结合,【箱线图】展示了分位数的位置,【小提琴图】则展示了任意位置的密度,通过【小提琴图】可以知道哪些位置的密度较高。 小提琴图的内部是箱线图(有的图中位数会用白点表示,但归根结底都是箱线图的变化);外部包裹的就是核密度图,某区域图形面积越大,某个值附近分布的概率越大。 通过箱线图,可以查看有关数据的基本分布信息,例如中位数,平均值,四分位数,以及最大值和最小值,但不会显示数据在整个范围内的分布。如果数据的分布有多个峰值(也就是数据分布极其不均匀),那么箱线图就无法展现这一信息,这时候小提琴图的优势就展现出来了!

    03
    领券