"Konnte nicht interpretiert Eingabe-Fehler mit dem Seaborn beim Plotten groupbys

Sagen, dass ich diese dataframe 

d = {     'Path'   : ['abc', 'abc', 'ghi','ghi', 'jkl','jkl'],
          'Detail' : ['foo', 'bar', 'bar','foo','foo','foo'],
          'Program': ['prog1','prog1','prog1','prog2','prog3','prog3'],
          'Value'  : [30, 20, 10, 40, 40, 50],
          'Field'  : [50, 70, 10, 20, 30, 30] }


df = DataFrame(d)
df.set_index(['Path', 'Detail'], inplace=True)
df

               Field Program  Value
Path Detail                      
abc  foo        50   prog1     30
     bar        70   prog1     20
ghi  bar        10   prog1     10
     foo        20   prog2     40
jkl  foo        30   prog3     40
     foo        30   prog3     50

Ich kann insgesamt kein problem, (wenn es einen besseren Weg, dies zu tun, durch die Art und Weise, möchte ich wissen!) 

df_count = df.groupby('Program').count().sort(['Value'], ascending=False)[['Value']]
df_count

Program   Value
prog1    3
prog3    2
prog2    1

df_mean = df.groupby('Program').mean().sort(['Value'], ascending=False)[['Value']]
df_mean

Program  Value
prog3    45
prog2    40
prog1    20

Kann ich zeichnen Sie es von Pandas kein problem...

df_mean.plot(kind='bar')

Aber warum erhalte ich diese Fehlermeldung, wenn ich versuche es in seaborn?

sns.factorplot('Program',data=df_mean)
    ---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-26-23c2921627ec> in <module>()
----> 1 sns.factorplot('Program',data=df_mean)

C:\Anaconda3\lib\site-packages\seaborn\categorical.py in factorplot(x, y, hue, data, row, col, col_wrap, estimator, ci, n_boot, units, order, hue_order, row_order, col_order, kind, size, aspect, orient, color, palette, legend, legend_out, sharex, sharey, margin_titles, facet_kws, **kwargs)
   2673     # facets to ensure representation of all data in the final plot
   2674     p = _CategoricalPlotter()
-> 2675     p.establish_variables(x_, y_, hue, data, orient, order, hue_order)
   2676     order = p.group_names
   2677     hue_order = p.hue_names

C:\Anaconda3\lib\site-packages\seaborn\categorical.py in establish_variables(self, x, y, hue, data, orient, order, hue_order, units)
    143                 if isinstance(input, string_types):
    144                     err = "Could not interperet input '{}'".format(input)
--> 145                     raise ValueError(err)
    146 
    147             # Figure out the plotting orientation

ValueError: Could not interperet input 'Program'

InformationsquelleAutor marshallbanana | 2015-10-02

  1. 9

    Den Grund für die Ausnahme, die Sie bekommen ist, dass Program wird ein index des dataframes df_mean und df_count nach Ihrem group_by Betrieb.

    Wollte man die factorplot aus df_mean, eine einfache Lösung ist das hinzufügen der index einer Spalte,

    In [7]:

df_mean['Program'] = df_mean.index

In [8]:

%matplotlib inline
import seaborn as sns
sns.factorplot(x='Program', y='Value', data=df_mean)

    Allerdings könnte man auch einfach lassen factorplot tun die Berechnungen für Sie,

    sns.factorplot(x='Program', y='Value', data=df)

    Sie erhalten das gleiche Ergebnis.
    Hoffe, es hilft.

    BEARBEITEN nach Kommentaren

    In der Tat, Sie machen einen sehr guten Punkt, um die parameter as_index; standardmäßig ist es auf Wahr gesetzt, und in diesem Fall Program wird ein Teil des index, wie in deiner Frage.

    In [14]:

df_mean = df.groupby('Program', as_index=True).mean().sort(['Value'], ascending=False)[['Value']]
df_mean

Out[14]:
        Value
Program 
prog3   45
prog2   40
prog1   20

    Nur klar zu sein, auf diese Weise Program ist keine Spalte mehr, sondern es wird die index. der trick df_mean['Program'] = df_mean.index tatsächlich hält der index, wie es ist, und fügt eine neue Spalte für den index, so dass Program dupliziert jetzt.

    In [15]:

df_mean['Program'] = df_mean.index
df_mean

Out[15]:
        Value   Program
Program     
prog3   45  prog3
prog2   40  prog2
prog1   20  prog1

    Jedoch, wenn Sie as_index auf False gesetzt ist, erhalten Program als eine Spalte, plus ein neues autoincrement-index,

    In [16]:

df_mean = df.groupby('Program', as_index=False).mean().sort(['Value'], ascending=False)[['Program', 'Value']]
df_mean

Out[16]:
    Program Value
2   prog3   45
1   prog2   40
0   prog1   20

    Diese Weise, die Sie füttern könnten, um es direkt zu seaborn. Immer noch, Sie könnte verwenden df und das gleiche Ergebnis erhalten.

    Hoffe, es hilft.

    Vielen Dank für die Antwort. Ich dachte, es war eine Indizierung Problem auf den ersten. Aber laut Dokumentation, die as index parameter ist standardmäßig True, so dass die Gruppe label (ie Program) ist bereits der index. df_mean.index Index(['prog3', 'prog2', 'prog1'], dtype='object', name='Program') Ich habe versucht die zweite Methode, und ich die gleiche Fehlermeldung erhalten, wie gut.
    Ich bin mir nicht sicher, ob wir einander verstehen. Sowieso Sie machen einen guten Punkt über die as_index Parameters und ich aktualisiere die Antwort. Hoffe es ist klarer jetzt.
    Sorry - ich habe gerade festgestellt, dass wir sagen, die gleiche Sache über den index. Ich dachte mir, dass factorplot wäre in der Lage, verwenden Sie den index für die x-Achse standardmäßig. Also ich bin verwundert, dass deine zweite Lösung gibt den gleichen Fehler
    Sorry, ich hab einen Tippfehler. Die zweite Lösung ist sns.factorplot(x='Program', y='Value', data=df), was bedeutet, dass Sie verwenden könnten df direkt. Hoffe, es macht jetzt mehr Sinn.
    Ich danke Ihnen so sehr. Ich sehe meine Fehler ist, dass der x-Wert muss eine Spalte nicht in einem index.

    InformationsquelleAutor lrnzcig

Schreibe einen Kommentar