Хотите построить фрейм данных Pandas как несколько гистограмм с осью X масштаба log10

у меня есть данные с плавающей запятой в панды фрейма данных. Каждый столбец представляет переменную (у них есть имена строк), а каждая строка-набор значений (строки имеют целочисленные имена, которые не важны). 

>>> print data
0      kppawr23    kppaspyd
1      3.312387   13.266040
2      2.775202    0.100000
3    100.000000  100.000000
4    100.000000   39.437420
5     17.017150   33.019040
...

Я хочу построить гистограмму для каждого столбца. Лучший результат, которого я достиг, - это метод hist dataframe:

data.hist(bins=20)

но я хочу, чтобы ось x каждой гистограммы была в масштабе log10. И бункеры тоже должны быть в масштабе log10, но это легко достаточно с bins=np.logspace (-2,2,20).

обходным путем может быть преобразование данных log10 перед построением графика, но подходы, которые я пробовал,

data.apply(math.log10)

и

data.apply(lambda x: math.log10(x))

дайте мне ошибку с плавающей запятой.

    "cannot convert the series to {0}".format(str(converter)))
TypeError: ("cannot convert the series to <type 'float'>", u'occurred at index kppawr23')
8
histogram logarithm matplotlib pandas python

1 ответов

вы могли бы использовать

ax.set_xscale('log')

data.hist() возвращает массив осей. Вам нужно позвонить ax.set_xscale('log') для каждой оси, ax сделать каждый из логарифмически чешуйчатый.

например,

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
np.random.seed(2015)

N = 100
arr = np.random.random((N,2)) * np.logspace(-2,2,N)[:, np.newaxis]
data = pd.DataFrame(arr, columns=['kppawr23', 'kppaspyd'])

bins = np.logspace(-2,2,20)
axs = data.hist(bins=bins)
for ax in axs.ravel():
    ax.set_xscale('log')

plt.gcf().tight_layout()
plt.show()

доходность

enter image description here

кстати, чтобы взять журнал каждого значения в фрейме данных,data, вы могли бы использовать 

logdata = np.log10(data)

потому что NumPy ufuncs (например,np.log10) может применяться к pandas DataFrames, потому что они работают поэлементно на все значения в таблице данных.

data.apply(math.log10) не работает, потому что apply пытается передать весь столбец (ряд) значений math.log10. math.log10 ожидает только скалярное значение.

data.apply(lambda x: math.log10(x)) не удается по той же причине, что data.apply(math.log10) делает. Более того, если data.apply(func) и data.apply(lambda x: func(x)) были оба жизнеспособных варианта, первый должен быть предпочтительным, так как лямбда-функция просто сделает вызов tad замедлившийся.

вы могли бы использовать data.apply(np.log10), снова с NumPy ufunc np.log10 может применяться к серии, но нет причин беспокоиться об этом, когда np.log10(data) строительство.

вы также можете использовать data.applymap(math.log10) С applymap вызовы math.log10 для каждого значения в data один-на-времени. Но это будет намного медленнее чем вызов эквивалентной функции NumPy,np.log10 на всю Фрейм данных. Тем не менее, стоит знать о applymap в случае, если вам нужно позвонить некоторые пользовательские функции который не является ufunc.

5