Question

我想要一个不同类型的“资产”散点图，每个资产应具有相同的颜色并在图例中标记。我可以使用Scatter的NdOverlay做到这一点。然后，我想覆盖两个这样的图，例如，一个来自模型，另一个来自实验，以便第一个和第二个仅改变标记，但每种资产保持相同的颜色。

我希望它能起作用

df1 = pd.DataFrame({"asset": ["A", "B", "B"], "x": [1,2,3], "y": [1,2,3]})
df2 = pd.DataFrame({"asset": ["A", "B", "B"], "x": [1.5,2.5,3.5], "y": [1,2,3]})
df1.hvplot.scatter(x="x", y="y", by="asset") * df2.hvplot.scatter(x="x", y="y", by="asset").opts({"Scatter": {"style": {"marker": "d"}}})

，但每个资产df1.hvplot中的颜色与df2.hvplot中的颜色不同。我想从df1和df2开始最简洁的方法。

编辑：是否有一个简单的解决方案，我不必考虑df1和df2的排序或它们是否具有完全相同的“资产”集。例如，我需要一些可以配合使用的东西

df1 = pd.DataFrame({"asset": ["A", "B", "B"], "x": [1,2,3], "y": [1,2,3]})
df2 = pd.DataFrame({"asset": ["C", "B", "A"], "x": [1.5,2.5,3.5], "y": [1,2,3]})
l1=df1.hvplot.scatter(x="x", y="y", by="asset")
l2=df2.hvplot.scatter(x="x", y="y", by="asset").opts(hv.opts.Scatter(marker='d'))
ll=l1*l2

或

df1 = pd.DataFrame({"asset": ["A", "B", "B"], "x": [1,2,3], "y": [1,2,3]})
df2 = pd.DataFrame({"asset": ["A", "B", "B", "C"], "x": [1.5,2.5,3.5, 4], "y": [1,2,3, 1]})
l1=df1.hvplot.scatter(x="x", y="y", by="asset")
l2=df2.hvplot.scatter(x="x", y="y", by="asset").opts(hv.opts.Scatter(marker='d'))
ll=l1*l2

Answer 1

编辑：如果需要更大的灵活性，有两种选择：

设置尺寸容器的样式，
使用其他值维度进行样式设置。

有关更多信息，请参见此处：jupyter notebook，github repo，但是代码是这样的。

选项1（更详细，但如果您仍在类似HoloMap的容器中工作，通常会更容易）：

import holoviews as hv
from holoviews import opts, dim
hv.extension('bokeh')
import pandas as pd
import numpy as np

def cycle_kdim_opts(layout, kdim_opts):
    """
    For each given kdim of an Nd holoviews container, create an options dict
    that can be passed into a holoviews `opts` object.

    Parameters
    ----------
    layout : A holoviews Nd container (HoloMap, ...)
    kdim_opts : dict of the form {kdim: {style_option: [alternatives]}}
        For an example, see below.


    """
    # Output shown for:
    # kdim_opts = {
    #     'h': {'color': ['orange', 'cyan']},
    #     'g': {'size': [30, 10]},
    # }
    values = {kd.name: list(d) for kd, d in zip(layout.kdims, zip(*layout.data.keys()))}
    # print(values)
    # {'g': ['a', 'b', 'b'], 'h': ['d', 'c', 'd']}

    mapping = {}
    for kd, o in kdim_opts.items():
        unique_values = list(set(values[kd]))
        styles = list(o.values())[0]
        mapping[kd] = dict(zip(unique_values, styles))
    # print(mapping)
    # {'h': {'c': 'orange', 'd': 'cyan'}, 'g': {'b': 30, 'a': 10}}

    kdim2style = {k: list(v.keys())[0] for k, v in kdim_opts.items()}
    # print(kdim2style)
    # {'h': 'color', 'g': 'size'}

    mapped_styles = {kdim2style[kd]: hv.Cycle([mapping[kd][value] for value in values])
                     for kd, values in values.items()}
    # print(mapped_styles)
    # {'size': Cycle(['10', '30', '30']), 'color': Cycle(['cyan', 'orange', 'cyan'])}

    return mapped_styles

df1 = pd.DataFrame({'asset': ['A', 'B', 'B'], 'x': [1.,2.,3.], 'y': [1.,2.,3.]})
df2 = pd.DataFrame({'asset': ['A', 'B', 'B', 'C'], 'x': [1.5,2.5,3.5,4], 'y': [1.,2.,3.,1.]})
df = df1.assign(source='exp').merge(df2.assign(source='mod'), how='outer')

labels = hv.Labels(df.assign(l=df.asset+',\n'+df.source), ['x', 'y'], 'l')

l = hv.Dataset(df, ['x', 'y', 'asset', 'source',], []).to(hv.Points).overlay()

od = {
    'source': {'size': [30, 10]},
    'asset': {'color': ['orange', 'cyan', 'yellow']},
}

options = (
    opts.NdOverlay(legend_position='right', show_legend=True, width=500),
    opts.Points(padding=.5, show_title=False, title_format='',
                toolbar=None, **cycle_kdim_opts(l, od)),
)

l.opts(*options) * labels

选项2：方法较为简单，但需要付出更多的努力，例如稍后自定义图例。

df1 = pd.DataFrame({'asset': ['A', 'B', 'B'], 'x': [1.,2.,3.], 'y': [1.,2.,3.]})
df2 = pd.DataFrame({'asset': ['A', 'B', 'B', 'C'], 'x': [1.5,2.5,3.5,4], 'y': [1.,2.,3.,1.]})
df = df1.assign(source='exp').merge(df2.assign(source='mod'), how='outer')

labels = hv.Labels(df.assign(l=df.asset+',\n'+df.source), ['x', 'y'], 'l')

l = hv.Points(df, ['x', 'y'], ['asset', 'source',])

options = (
    opts.NdOverlay(legend_position='right', show_legend=True, width=500),
    opts.Points(padding=.5, show_title=False, show_legend=True,
                marker=dim('source').categorize({'exp':'circle', 'mod':'diamond'}),
                color=dim('asset').categorize({'A':'orange', 'B':'cyan', 'C':'yellow'}),
                size=10, toolbar=None)
)

l.opts(*options) * labels

原始建议（最接近您的示例）：您可以例如使用hv.Cycle对象明确设置颜色：

df1 = pd.DataFrame({"asset": ["A", "B", "B"], "x": [1,2,3], "y": [1,2,3]})
df2 = pd.DataFrame({"asset": ["A", "B", "B"], "x": [1.5,2.5,3.5], "y": [1,2,3]})
l1=df1.hvplot.scatter(x="x", y="y", by="asset")
l2=df2.hvplot.scatter(x="x", y="y", by="asset").opts(hv.opts.Scatter(marker='d'))
ll=l1*l2
ll.opts(hv.opts.Scatter(padding=.1, color=hv.Cycle(['blue', 'orange'])))

在保持颜色/更改标记的同时覆盖NdOverlay

1 个答案: