Я пытаюсь построить среднюю доходность по возрасту для разных компаний. Я хочу, чтобы переменная возраста была равномерно распределена, хотя размер шага увеличивается и распределяется неравномерно. Моя цель выглядит так:
fig, ax = plt.subplots(figsize=(10,6), sharex=True, sharey=True)
ax.plot(ipo_cut[["IR", "Age", "Timespan"]][(ipo_cut["Timespan"] == "1980-1989") & (ipo_cut["Age"] >= 2)].groupby("Age").mean(), color="r")
ax2 = ax.twinx()
ax2.plot(ipo_cut[["IR", "Age", "Timespan"]][(ipo_cut["Timespan"] == "1990-1998") & (ipo_cut["Age"] >= 2)].groupby("Age").mean(), color = "g")
ax3 = ax.twinx()
ax3.plot(ipo_cut[["IR", "Age", "Timespan"]][(ipo_cut["Timespan"] == "1999-2000") & (ipo_cut["Age"] >= 2)].groupby("Age").mean(), color="grey")
ax4 = ax.twinx()
ax4.plot(ipo_cut[["IR", "Age", "Timespan"]][(ipo_cut["Timespan"] == "2001-2003") & (ipo_cut["Age"] >= 2)].groupby("Age").mean())
ax.set(title ="Average First-day Returns by Age of Firm at Time of IPO",
xlabel = "Age",
ylabel = "Average First-Day Return in %")
ax.set_ylim([0,1])
ax2.set_ylim([0,1])
ax3.set_ylim([0,1])
ax4.set_ylim([0,1])
ax.set_xlim([0,70])
ax2.set_xlim([0,70])
ax3.set_xlim([0,70])
ax4.set_xlim([0,70])
ax2.get_yaxis().set_visible(False)
ax3.get_yaxis().set_visible(False)
ax4.get_yaxis().set_visible(False)
plt.xticks([0,1,2,3,4,5,6,7,8,9,10, 11,12,13,15,17,20,30,40,50,60,70])
plt.setp(ax.get_xticklabels(), rotation = 90)
fig.show()
и вывод выглядит следующим образом:
Основываясь на других сообщениях, я мог отобразить только желаемые годы возраста, но, к сожалению, ось распределена неравномерно. Я чувствую, что я действительно близок к решению, но не смог найти ответ сам.
Решение в Seaborn также было бы очень полезно для меня.
РЕДАКТИРОВАТЬ с некоторой дополнительной информацией: форма x-вектора и данных не совпадают. Я отфильтровал свой фрейм данных только для соответствующих возрастов, но некоторая информация отсутствует. Вот минимальный воспроизводимый пример:
import matplotlib.pyplot as py
import numpy as np
#create dataframe
x = np.arange(0,11)
df = pd.DataFrame(data = np.random.rand(len(x)), index = x, columns=["IR"])
df.index.name = "Age"
df.loc[[0, 9], "IR"] = np.nan
df.dropna(inplace = True)
# open figure
fig, ax = plt.subplots(figsize=(10,6))
# create x-values
x = [0,1,2,5,7,9,10]
# plot
ax.plot(x, df, color="r")
ax.set(
title ="Average First-day Returns by Age of Firm at Time of IPO",
xlabel = "Age",
ylabel = "Average First-Day Return in %",
ylim = [0,1],
xlim = [0,10])
ax.tick_params(axis='x', labelrotation=90)
fig.show()
Моя цель - построить весь фрейм данных без пробелов. Итак, идея состоит в том, что у меня есть линейный график на заднем плане с необходимыми значениями x на оси x. Я надеюсь, что эта информация поможет.
РЕШЕНИЕ:
import matplotlib.pyplot as py
import numpy as np
#create dataframe
x = np.arange(0,10)
df = pd.DataFrame(data = np.random.rand(len(x)), index = x, columns=["IR"])
df.index.name = "Age"
#create nan in sample
df.loc[[0, 9], "IR"] = np.nan
# slice data for unbroken line (solution by max)
lg = df["IR"].isna()
# create ticks for even distribution
n = 10
a = np.arange(n)
# open figure
fig, ax = plt.subplots(figsize=(10,6))
# create x-values fir tick labels
x = (0,5,10,13,15,24,30,40,55,70)
# plot
ax.plot(a[~lg], df[~lg], color="r")
ax.set(
title ="Average First-day Returns by Age of Firm at Time of IPO",
xlabel = "Age",
ylabel = "Average First-Day Return in %",
ylim = [0,1],
xlim = [0,10])
ax.xaxis.set_ticks(a) #set the ticks to be a
ax.xaxis.set_ticklabels(x) # change the ticks' names to x
ax.tick_params(axis='x', labelrotation=90)
fig.show()
Благодаря вводу max и Как сделать галочки равномерно распределенными, несмотря на их ценность? Я мог бы найти решение своей проблемы. Если ваш исходный фрейм данных имеет значения x с размером шага, отличным от единицы, я предлагаю просто reset_index().
