Seaborn Line Plot 用于绘制多个参数

如何解决Seaborn Line Plot 用于绘制多个参数

我有如下数据集，

index	10_YR_CAGR	5_YR_CAGR	1_YR_CAGR
c1_rev	20.5	21.5	31.5
c2_rev	20.5	22.5	24
c3_rev	21	24	27
c4_rev	20	26	30
c5_rev	24	19	15
c1_eps	21	22	23
c2_eps	21	24	25

此数据有 5 家公司及其参数，如 rev、eps、利润等。我需要绘制如下图：

转：

• x_axis-> index_col c1_rev,...c5_rev
• y_axis -> 10_YR_CAGR .. 1_YR_CAGR

每股收益：

• x_axis -> index_col: c1_eps,...c5_eps
• y_axis -> 10_YR_CAGR,... 1_YR_CAGR

等等...

我尝试过以下代码：

eps = analysis_df[analysis_df.index.str.contains('eps',regex=True)]

for i1 in eps.columns[eps.columns!='index']:
    sns.lineplot(x="index",y=i1,data=eps,label=i1)

我必须从源制作一个数据框，然后循环它。我如何尝试创建一个从主源数据帧本身循环的 for 循环？

不是为单独的参数创建循环，我如何从主源数据帧循环以创建包含 rev、eps、利润到 facegrid 参数等参数的图表？如何在 facetgrid 中应用这些过滤器？

我上面代码的示例输出，

如何在单个 for 循环中为不同参数绘制相同类型的图？

解决方法

通常绘制构面的方式是将您的 analysis_df“融合”到 id/variable/value 列中。

1. split() 将 index 列转化为 Company 和 Parameter，稍后我们将在融合时将它们用作 id 列：

   analysis_df[['Company','Parameter']] = analysis_df['index'].str.split('_',expand=True)
   
   #      index  10_YR_CAGR  5_YR_CAGR  1_YR_CAGR  Company  Parameter
   #  0  c1_rev         100         21          1       c1        rev
   #  1  c2_rev           1         32         24       c2        rev
   # ...
   

2. melt() CAGR 列：

   melted = analysis_df.melt(
       id_vars=['Company','Parameter'],value_vars=['10_YR_CAGR','5_YR_CAGR','1_YR_CAGR'],var_name='Period',value_name='CAGR',)
   
   #      Company  Parameter      Period  CAGR
   #  0        c1        rev  10_YR_CAGR   100
   #  1        c2        rev  10_YR_CAGR     1
   #  2        c3        rev  10_YR_CAGR    14
   #  3        c1        eps  10_YR_CAGR     1
   # ...
   # 25        c2        pft   1_YR_CAGR    14
   # 26        c3        pft   1_YR_CAGR    17
   

3. relplot() CAGR vs Company（由 Period 着色）使用 Parameter 数据框的每个 melted：

   sns.relplot(
       data=melted,kind='line',col='Parameter',x='Company',y='CAGR',hue='Period',col_wrap=1,facet_kws={'sharex': False,'sharey': False},)
   

重现此图的示例数据：

import io
import pandas as pd
csv = '''
index,10_YR_CAGR,5_YR_CAGR,1_YR_CAGR
c1_rev,100,21,1
c2_rev,1,32,24
c3_rev,14,23,7
c1_eps,20,50
c2_eps,25
c3_eps,31,37
c1_pft,10
c2_pft,25,14
c3_pft,11,55,17
'''
analysis_df = pd.read_csv(io.StringIO(csv))