3

我有这段代码可以很好地绘制我的 1 行和 6 列的图我试图以 2x3 或 3x2 绘制它但没有成功 在 pandas 的 .plot() 实现中我缺少什么吗？ 绘制 1 乘 6

fig, axes = plt.subplots(nrows=1, ncols=6)
spfvL = [6, 11, 22, 33, 44, 55]
for j, i in enumerate(spfvL):
    df['spfv' + str(i)] = pd.rolling_std(df['r VIX'], i)*np.sqrt(252)
    res = smf.ols(formula='spfv'+ str(i)+' ~ Q(\'VIX Index\')', data=df).fit()
    df['pred'+ str(i)] = better_predict(res, df)
    df.loc[:,['pred' + str(i), 'spfv' + str(i)]].plot(ax=axes[j])

编辑：为了获得 2x3，我在下面尝试了，没有太大的变化。

轴具有 (2,3) 形状，我无法将正确的参数传递到最后一行 ax=axes. 理想情况下，我应该有类似 ax = axes[x][y] 的东西，其中 (x,y) 在 [(0,0), (0,1), (0,2), (1,0), (1 ,1), (1,2)] 因此具有精确的轴形状，但我只能通过枚举来获取“索引”列表......

fig, axes = plt.subplots(nrows=2, ncols=3)
spfvL = [6, 11, 22, 33, 44, 55]
for j, i in enumerate(spfvL):
    df['spfv' + str(i)] = pd.rolling_std(df['r VIX'], i)*np.sqrt(252)
    res = smf.ols(formula='spfv'+ str(i)+' ~ Q(\'VIX Index\')', data=df).fit()
    df['pred'+ str(i)] = better_predict(res, df)
    df.loc[:,['pred' + str(i), 'spfv' + str(i)]].plot(ax=axes[j])
4

3 回答 3

4

轴是一个 ndarray 我需要一种通过索引访问它的方法，幸运的是flat方法就是这样做的。

fig, axes = plt.subplots(nrows=2, ncols=3)
spfvL = [6, 11, 22, 33, 44, 55]
for j, i in enumerate(spfvL):
    df['spfv' + str(i)] = pd.rolling_std(df['r VIX'], i) * np.sqrt(252)
    res = smf.ols(formula='spfv'+ str(i)+' ~ Q(\'VIX Index\')', data=df).fit()
    df['pred'+ str(i)] = better_predict(res, df)
    df.loc[:, ['pred' + str(i), 'spfv' + str(i)]].plot(ax=axes.flat[j])
于 2014-12-12T16:08:59.150 回答
2

同样你也可以这样做：

for i, ax in enumerate(axes.reshape(-1)):
     df[spfvL[i]].plot(ax=ax)
于 2014-12-12T16:17:35.657 回答
0

或者，您可以在循环内添加子图：

fig = plt.figure(figsize=(15, 10))
for j, i in enumerate(spfvL):
    fig.add_subplot(2, 3, i+1)
    df.loc[:, ['pred' + str(i), 'spfv' + str(i)]].plot(ax=axes.flat[j])
于 2019-03-28T15:41:11.847 回答