Ridge Plot

Verwenden Sie pathlibmit .globallen Dateien in dem Verzeichnis finden
Laden Sie die Dateien in eine listvonpandas.DataFrames
- Der Dateiname wird in Unterstriche aufgeteilt und verwendet den Wert am Index -1als 'label'Spaltenwert für jeden Datensatz. Dieser Wert ist 0deg, 10degusw.
  - Die Beschriftung für jede Datei muss eindeutig sein, da die Plotzeile durch die Beschriftung bestimmt wird.
- Gegeben f = WindowsPath('data/CuSo4_10mV_300mS_Amod9.44V_0deg')als pathlibObjekt
  - f.suffix ist '.44V_0deg'
  - f.suffix.split('_')[-1] ist '0deg'
- Eine 'label'Spalte wird hinzugefügt, damit die richtigen 'intensity'Werte für jede Plotlinie identifiziert werden können.
Verwenden Sie pandas.concatdiese Option, um die Liste der Datenrahmen zu kombinieren.
Der DataFrame für ein Ridge-Plot muss ein langes (ordentliches) Format haben

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

sns.set_theme(style="white", rc={"axes.facecolor": (0, 0, 0, 0)})

# find the local files
p = Path('c:/somepathtofiles')  # p = Path.cwd()  # for data in the current working directory
files = list(p.glob('*.44V*'))

# load all the data, but create a dataframe in the correct form for a RidgePlot
dfl = list()
for f in files:
    v = pd.read_csv(f, sep='\\s+', header=None, usecols=[1])
    v.columns = ['intensity']
    v['label'] = f.suffix.split('_')[-1]
    dfl.append(v)

# combine the list of dataframes into a single dataframe    
df = pd.concat(dfl)

# plot
# Initialize the FacetGrid object
pal = sns.cubehelix_palette(len(df.label.unique()), rot=-.25, light=.7)
g = sns.FacetGrid(df, row="label", hue="label", aspect=15, height=.5, palette=pal)

# Draw the densities in a few steps
g.map(sns.kdeplot, "intensity", bw_adjust=.5, clip_on=False, fill=True, alpha=1, linewidth=1.5)
g.map(sns.kdeplot, "intensity", clip_on=False, color="w", lw=2, bw_adjust=.5)
g.map(plt.axhline, y=0, lw=2, clip_on=False)

# Define and use a simple function to label the plot in axes coordinates
def label(x, color, label):
    ax = plt.gca()
    ax.text(0, .2, label, fontweight="bold", color=color, ha="left", va="center", transform=ax.transAxes)

g.map(label, "intensity")

# Set the subplots to overlap
g.fig.subplots_adjust(hspace=-.25)

# Remove axes details that don't play well with overlap
g.set_titles("")
g.set(yticks=[])
g.despine(bottom=True, left=True)

# uncomment the following line if there's a tight layout warning
# g.fig.tight_layout()

Vor dem Update

import pandas as pd
import matplotlib.pyplot as plt
from pathlib import Path

###########################################################
# Use if loading the data from the local computer

# create the path to the files
p = Path('c:/somepathtofiles')

# if loading the data from the local computer
# get a generator of all the files
files = p.glob('*.44V*')

# load the files into a dict of pandas.DataFrames
dfd = {f'{file.suffix.split("_")[-1]}': pd.read_csv(file, sep='\\s+', header=None) for file in files}

###########################################################
# Use if loading data from GitHub

# don't use both lines for files.
files = [f'https://raw.githubusercontent.com/mahesh27dx/NPR/master/CuSo4_10mV_300mS_Amod9.44V_{v}deg' for v in range(0, 190, 10)]

# load the files into a dict of pandas.DataFrames
dfd = {f'{file.split("_")[-1]}': pd.read_csv(file, sep='\\s+', header=None) for file in files}

###########################################################

# iterate through the dict
plt.figure(figsize=(10, 8))  # set up plot figure
for k, v in dfd.items():
    dfd[k].columns = ['mag_field', 'intensity']

    sns.lineplot(x='mag_field', y='intensity', data=v, label=k)
    
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
plt.xlabel('Magnetic Field')
plt.ylabel('Field Intensity')
plt.show()

Wie man ein Seekammplot plottet

Antworten

Ridge Plot

Vor dem Update