Python：如何为单个迹线添加辅助 x 轴？

Question

我有一个 DataFrame（请参阅下面的“测试数据”部分），我想添加一个辅助 x 轴（在顶部）。但该轴必须在 0 到 38.24(ms) 之间。这是“时间”列中所有值的总和。它表示执行 4 个推理所需的总时间。到目前为止，我已经尝试过“twinx()”但没有成功。

我怎样才能做到这一点？有可能吗还是我缺乏信息？

测试数据：

raw_data = {'Time': [21.9235, 4.17876, 4.02168, 3.81504, 4.2972],

            'TPU': [33.3, 33.3, 33.3, 33.3, 33.3],

            'CPU': [32, 32, 32, 32, 32],

            'MemUsed': [435.92, 435.90, 436.02, 436.02, 436.19]}

df_m=pd.DataFrame(raw_data, columns = ['Time', 'TPU', 'CPU', 'MemUsed'])

df_m

##Sum of all values in column Time(ms)

(df_m.iloc[:, 0].sum())

##Time per inference(ms)

ax = df_m.plot(kind = 'line', y = 'MemUsed', grid = True)

ax.set_xlabel("NUMBER OF INFERENCES")

ax.set_ylabel("MemUsed(MB)")

我尝试过的：

ax = df_m.plot(kind = 'line', y = 'MemUsed', grid = True)

df_m.plot(kind='line', ax=ax.twinx(), secondary_x=range(0, 39))

ax.set_xlabel("NUMBER OF INFERENCES")

ax.set_ylabel("MemUsed(MB)")

输出图：

大桌子长什么样子

Answer 1

除了您对情节的积极评论之外，这里是一个如何为数据集实现多轴的示例。该代码比看起来简单得多。由于我格式化dicts 以便于阅读的方式，代码显得“冗长”。关键要素是：time添加列 ( )的累积和time_c以供使用xaxis2。添加与 对齐的隐藏跟踪xaxis，以及与 对齐的时间数据xaxis2。如果没有隐藏迹线，则两个轴要么不出现，要么出现但未对齐，因为只绘制了一条迹线。（更新）示例代码：以下代码已更新，以解决 OP 在使用更大（70k 行）数据集时遇到的问题。layout['xaxis']键的更改是对和字典的更新，layout['xaxis2']以包含'type': 'category','nticks'和 定义的'range'键。import pandas as pdfrom plotly.offline import plot# Create the dataset.raw_data = {'time': [21.9235, 4.17876, 4.02168, 3.81504, 4.2972],            'tpu': [33.3, 33.3, 33.3, 33.3, 33.3],            'cpu': [32, 32, 32, 32, 32],            'memused': [435.92, 435.90, 436.02, 436.02, 436.19]}df = pd.DataFrame(raw_data)df['time_c'] = df['time'].cumsum().round(2)# Plotting code.data = []layout = {'margin': {'t': 105},          'title': {'text': 'Example Showing use of Secondary X-Axis',                     'y': 0.97}}# Create a (hidden) trace for the xaxis.data.append({'x': df.index,             'y': df['memused'],             'showlegend': False,             'mode': 'markers',              'marker': {'size': 0.001}})# Create the visible trace for xaxis2.data.append({'x': df['time_c'],             'y': df['memused'],             'xaxis': 'x2',             'name': 'Inference'})# Configure graph layout.nticks = int(df.shape[0] // (df.shape[0] * 0.05))layout['xaxis'] = {'title': 'Number of Inferences',                   'nticks': nticks,                   'range': [df.index.min(), df.index.max()],                   'tickangle': 45,                   'type': 'category'}layout['xaxis2'] = {'title': 'Time(ms)',                     'nticks': nticks,                    'overlaying': 'x1',                     'range': [df['time_c'].min(), df['time_c'].max()],                    'side': 'top',                     'tickangle': 45,                    'type': 'category'}layout['yaxis'] = {'title': 'Memory Used (MB)'}fig = {'data': data, 'layout': layout}plot(fig, filename='/path/to/graph.html')示例图（原始数据集）：为了代码简单起见，我故意省略了任何额外的显示配置。然而，参考顶级的plotly 文档，这些图表是高度可配置的。示例图（新数据集）：该图使用来自其他答案的（更大，70k 行）合成数据集。

Answer 2

尽管通常不鼓励，但我将发布另一个答案来解决新数据集，因为前面的答案在给定原始数据集的情况下有效。此示例与辅助 x 轴的原始请求不同，原因有两个：由于（新）数据集的大小，绘制“隐藏”数据层并不是最佳选择。为了使辅助 x 轴正确显示，必须绘制第二个趋势，并且考虑到之前的原因，这不再是一个选项。因此，采取了不同的方法——x轴的组合标记。单个 x 轴没有绘制两个轴，而是具有两个所需的标签。示例图：注意：这（显然）是合成数据，以便达到更新问题中的行数 (70k)。示例代码：import numpy as npimport pandas as pdfrom plotly.offline import plot# Synthesised dataset. (This code can be ignored.)np.random.seed(0)a = np.random.exponential(size=70000)*4t = pd.Series(a).rolling(window=2000, min_periods=50).mean().to_numpy()r = np.arange(70000).astype(str)m = t*100df = pd.DataFrame({'run': r,                    'time': t,                   'memused': m}).dropna()# Add cumulative time column.df['time_c'] = df['time'].cumsum().round(1)# --- Graphing code starts here ---def create_labels(x):    """Function to create xaxis labels."""    return f"({x['run']}): {x['time_c']}"# Create xaxis labels.df['xaxis'] = df.apply(create_labels, axis=1)# Create the graph.data = []layout = {'title': 'Combined X-Axis Labeling'}data.append({'x': df['xaxis'],              'y': df['memused']})layout['xaxis'] = {'title': '(Inference): Cumulative Time (ms)',                    'type': 'category',                    'nticks': df.shape[0] // 3500,                   'tickangle': 45}layout['yaxis'] = {'title': 'Memory Used (MB)'}fig = {'data': data, 'layout': layout}plot(fig, filename='/path/to/graph.html')