将x和y标签添加到熊猫图

假设我有以下代码使用pandas绘制了一些非常简单的图形：

import pandas as pd
values = [[1, 2], [2, 5]]
df2 = pd.DataFrame(values, columns=['Type A', 'Type B'], 
                   index=['Index 1', 'Index 2'])
df2.plot(lw=2, colormap='jet', marker='.', markersize=10, 
         title='Video streaming dropout by category')

如何在保留我使用特定颜色图的能力的同时轻松设置x和y标签？我注意到，plot()pandas DataFrames 的包装没有采用任何特定于此的参数。

该df.plot()函数返回一个matplotlib.axes.AxesSubplot对象。您可以在该对象上设置标签。

ax = df2.plot(lw=2, colormap='jet', marker='.', markersize=10, title='Video streaming dropout by category')
ax.set_xlabel("x label")
ax.set_ylabel("y label")

或者，更简洁地说：ax.set(xlabel="x label", ylabel="y label")。

或者，索引x轴标签（如果有的话）会自动设置为索引名称。所以df2.index.name = 'x label'也可以。

您可以像这样使用它：

import matplotlib.pyplot as plt 
import pandas as pd

plt.figure()
values = [[1, 2], [2, 5]]
df2 = pd.DataFrame(values, columns=['Type A', 'Type B'], 
                   index=['Index 1', 'Index 2'])
df2.plot(lw=2, colormap='jet', marker='.', markersize=10,
         title='Video streaming dropout by category')
plt.xlabel('xlabel')
plt.ylabel('ylabel')
plt.show()

显然，您必须将字符串'xlabel'和'ylabel'替换为您想要的名称。

如果您为DataFrame的列和索引添加标签，熊猫将自动提供适当的标签：

import pandas as pd
values = [[1, 2], [2, 5]]
df = pd.DataFrame(values, columns=['Type A', 'Type B'], 
                  index=['Index 1', 'Index 2'])
df.columns.name = 'Type'
df.index.name = 'Index'
df.plot(lw=2, colormap='jet', marker='.', markersize=10, 
        title='Video streaming dropout by category')

在这种情况下，您仍然需要手动提供y标签（例如，通过plt.ylabel其他答案所示）。

可以同时设置两个标签和axis.set功能。查找示例：

import pandas as pd
import matplotlib.pyplot as plt
values = [[1,2], [2,5]]
df2 = pd.DataFrame(values, columns=['Type A', 'Type B'], index=['Index 1','Index 2'])
ax = df2.plot(lw=2,colormap='jet',marker='.',markersize=10,title='Video streaming dropout by category')
# set labels for both axes
ax.set(xlabel='x axis', ylabel='y axis')
plt.show()

对于您使用的情况pandas.DataFrame.hist：

plt = df.Column_A.hist(bins=10)

请注意，您得到的是图的阵列，而不是图。因此，要设置x标签，您将需要执行以下操作

plt[0][0].set_xlabel("column A")

关于什么 ...

import pandas as pd
import matplotlib.pyplot as plt

values = [[1,2], [2,5]]

df2 = pd.DataFrame(values, columns=['Type A', 'Type B'], index=['Index 1','Index 2'])

(df2.plot(lw=2,
          colormap='jet',
          marker='.',
          markersize=10,
          title='Video streaming dropout by category')
    .set(xlabel='x axis',
         ylabel='y axis'))

plt.show()

pandas使用matplotlib基本数据帧图。因此，如果您pandas用于基本绘图，则可以使用matplotlib进行绘图自定义。但是，我在这里提出了一种替代方法，使用seaborn该方法可以对图进行更多的自定义，而不必进入的基本层次matplotlib。

工作代码：

import pandas as pd
import seaborn as sns
values = [[1, 2], [2, 5]]
df2 = pd.DataFrame(values, columns=['Type A', 'Type B'], 
                   index=['Index 1', 'Index 2'])
ax= sns.lineplot(data=df2, markers= True)
ax.set(xlabel='xlabel', ylabel='ylabel', title='Video streaming dropout by category')