web-dev-qa-db-ja.com

データにNaNがある場合のmatplotlibのラインプロットでの陰影付き不確実性領域のプロット

次のようなプロットが必要です： plot with uncertainty

私はmatplotlibでこれをやろうとしています：

fig, ax = plt.subplots()

with sns.axes_style("darkgrid"):
    for i in range(5):
        ax.plot(means.ix[i][list(range(3,104))], label=means.ix[i]["label"])
        ax.fill_between(means.ix[i][list(range(3,104))]-stds.ix[i][list(range(3,104))], means.ix[i][list(range(3,104))]+stds.ix[i][list(range(3,104))])
    ax.legend()

網掛け部分を中央の線と同じ色にしたい。しかし、今のところ、私の問題は、meansにNaNsがいくつかあり、fill_betweenがそれを受け入れないことです。エラーが出る

TypeError：ufunc 'isfinite'は入力タイプではサポートされておらず、キャストルール '' safe ''に従って、サポートされているタイプに入力を安全に強制変換できませんでした

私が望むものをどのようにして達成できるかについてのアイデアはありますか？ソリューションは、複数のシリーズの不確実性を伴う一連のポイントをプロットできる限り、matplotlibを使用する必要はありません。

pythonmatplotlibplotuncertainty
10
patapouf_ai

OK。したがって、問題の1つは、私のデータのdtypeがobjectではなくfloatであり、これがfill_between数が有限であるかどうかを調べたときに失敗しました。最後に、（a）floatに変換し、次に（b）不確実性とラインの一致する色の問題を解決して、カラーパレットを使用することで、なんとかできました。ので、私は持っています：

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
fig, ax = plt.subplots()
clrs = sns.color_palette("husl", 5)
with sns.axes_style("darkgrid"):
    epochs = list(range(101))
    for i in range(5):
        meanst = np.array(means.ix[i].values[3:-1], dtype=np.float64)
        sdt = np.array(stds.ix[i].values[3:-1], dtype=np.float64)
        ax.plot(epochs, meanst, label=means.ix[i]["label"], c=clrs[i])
        ax.fill_between(epochs, meanst-sdt, meanst+sdt ,alpha=0.3, facecolor=clrs[i])
    ax.legend()
    ax.set_yscale('log')

これは私に次の結果を与えました： enter image description here

6
patapouf_ai

NaNs DataFrameからmeansをドロップして、代わりにその結果のデータフレームをプロットできますか？

以下の例では、構造に近づこうとしましたが、means DataFrameにNaNがいくつか散らばっています。 stds DataFrameはおそらく同じ場所にNaNを持っていると思いますが、この場合は問題ではなく、NaNをmeansからドロップしますtemp_meansを取得するには、temp_meansに残っているインデックスを使用して、stdsからstd値を抽出します。

プロットは、NaNsをドロップする前（上）と後（下）の結果を示しています。

x = np.linspace(0, 30, 100)
y = np.sin(x/6*np.pi)
error = 0.2

means = pd.DataFrame(np.array([x,y]).T,columns=['time','mean'])
stds = pd.DataFrame(np.zeros(y.shape)+error)

#sprinkle some NaN in the mean
sprinkles = means.sample(10).index
means.loc[sprinkles] = np.NaN


fig, axs = plt.subplots(2,1)

axs[0].plot(means.ix[:,0], means.ix[:,1])
axs[0].fill_between(means.ix[:,0], means.ix[:,1]-stds.ix[:,0], means.ix[:,1]+stds.ix[:,0])

temp_means = means.dropna()

axs[1].plot(temp_means.ix[:,0], temp_means.ix[:,1])
axs[1].fill_between(temp_means.ix[:,0], temp_means.ix[:,1]-stds.loc[temp_means.index,0], temp_means.ix[:,1]+stds.loc[temp_means.index,0])


plt.show()

enter image description here

2
Diziet Asahi