如何为Pandas DataFrame两类数据绘制带对数y轴的并排累积图

调整后可运行代码 #

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import LogFormatterMathtext

# 构造数据集，修正原日期字段未加引号的语法问题
d = {'label': ['true', 'false', 'true', 'false', 'false'],
     'count': [4, 24, 31, 2, 3],
     'date': ['2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04', '2019-01-05']}
df = pd.DataFrame(d)
# 转换为标准日期格式，保证x轴显示正常
df['date'] = pd.to_datetime(df['date'])

# 原透视表、累计和计算逻辑完全保留
pivot = pd.pivot_table(df, values="count", index=["date"], columns=["label"], aggfunc=np.sum)
pivot = pivot.cumsum()

# 创建1行2列的并排子图容器
fig, (ax_false, ax_true) = plt.subplots(1, 2, figsize=(20,7))

# 绘制label为false的子图
ax_false.plot(pivot['false'])
ax_false.set_title('Label = false')
ax_false.set_xlabel('Time')
ax_false.set_ylabel('Cumulative number')
# 开启y轴对数刻度
ax_false.set_yscale('log')
# 格式化y轴刻度为10^x的数学格式
ax_false.yaxis.set_major_formatter(LogFormatterMathtext(base=10))

# 绘制label为true的子图
ax_true.plot(pivot['true'])
ax_true.set_title('Label = true')
ax_true.set_xlabel('Time')
ax_true.set_ylabel('Cumulative number')
ax_true.set_yscale('log')
ax_true.yaxis.set_major_formatter(LogFormatterMathtext(base=10))

# 自动调整布局避免标签重叠
plt.tight_layout()
plt.show()

核心调整说明 #

• 调用plt.subplots(1, 2)创建1行2列的子图对象，实现两幅折线图并排展示
• 为每个子图单独调用set_yscale('log')开启对数刻度，匹配y轴刻度要求
• 导入LogFormatterMathtext格式化y轴刻度，自动渲染为$10^0$、$101$、$10^2$的标准数学格式
• 修正了原始数据集日期字段未加引号的语法问题，转换为datetime格式保证x轴显示正常
• 原有透视表、累计和的计算逻辑完全保留，无需修改原有数据处理流程

内容的提问来源于stack exchange，提问作者AneesBaqir