我正在添加兩個不同的 csv 列來制作 2D hist plot。我有兩種不同型別的資料，它們是dense和collision。
此外，每個資料都包含我的案例研究的資訊，type其中包含我有type=0（大）和type=1（小）的列。csv 看起來像這樣（來自碰撞）：
TIMESTEP id type a |f| |v|
20000 4737 0 9.81 1.31495 4.18007
40000 11991 1 9.81 4.43794 4.17909
50000 15725 1 9.81 4.43794 4.17810
30000 8209 0 9.81 4.43794 4.17810
15000 3545 0 9.81 1.31495 4.17810
30000 8269 0 9.81 4.43794 4.17810
10000 2077 1 9.81 1.31495 4.17712
20000 5079 0 9.81 1.31495 4.17712
所有資料都是float帶有正條目的型別。
當我分別繪制（大）和a（小）|f|兩種型別時，我沒有任何問題。情節也很有意義。然而，繪圖和從（即每個部分的每個條目的總和）看起來很奇怪。type=0type=1a|f|small big
small big我意識到90%雖然原始資料沒有任何Nan.
在制作完美的歷史情節Nan時如何避免？small big
我意識到collision:Small Big. 我期待有這樣的情節Dense:Small Big。
我的代碼在這里：
from cProfile import label
from matplotlib.colors import LogNorm
df_collision_big = df_collision[df_collision['type'] == 0]
df_collision_small = df_collision[df_collision['type'] == 1]
df_dense_big = df_dense[df_dense['type'] == 0]
df_dense_small = df_dense[df_dense['type'] == 1]
plt.subplots(figsize=(14, 6))
#make space between subplots
plt.subplots_adjust(wspace=0.5, hspace=0.6)
plt.subplot(231)
plt.hist2d(df_collision_small['a'], df_collision_small['|f|'], bins=np.linspace(0,70,15), norm=LogNorm())
plt.colorbar()
plt.xlabel('a')
plt.ylabel('|f|')
plt.title('Collision: Small')
plt.subplot(232)
plt.hist2d(df_collision_big['a'], df_collision_big['|f|'], bins=np.linspace(0,70,15), norm=LogNorm())
plt.colorbar()
plt.xlabel('a')
plt.ylabel('|f|')
plt.title('Collision: Big')
plt.subplot(233)
plt.hist2d(df_collision_big['a'] df_collision_small['a'], df_collision_big['|f|'] df_collision_small['|f|'], bins=np.linspace(0,70,15), norm=LogNorm())
plt.colorbar()
plt.xlabel('a')
plt.ylabel('|f|')
plt.title('Collision: Small Big')
plt.subplot(234)
plt.hist2d(df_dense_small['a'], df_dense_small['|f|'], bins=np.linspace(0,70,15), norm=LogNorm())
plt.colorbar()
plt.xlabel('a')
plt.ylabel('|f|')
plt.title('Dense: Small')
plt.subplot(235)
plt.hist2d(df_dense_big['a'], df_dense_big['|f|'], bins=np.linspace(0,70,15), norm=LogNorm())
plt.colorbar()
plt.xlabel('a')
plt.ylabel('|f|')
plt.title('Dense: Big')
plt.subplot(236)
plt.hist2d(df_dense_big['a'] df_dense_small['a'], df_dense_big['|f|'] df_dense_small['|f|'], bins=np.linspace(0,70,15), norm=LogNorm())
plt.colorbar()
plt.xlabel('a')
plt.ylabel('|f|')
plt.title('Dense: Big Small')
plt.savefig('hist2d.png', dpi=300)
plt.show()
列印df_collision['a]給了我這個：
175761 9.810009
409899 9.810058
429591 9.810058
358086 9.810009
89079 9.810009
...
243866 9.810058
125778 9.810009
185374 9.810009
496586 9.810058
234942 9.810058
Name: a, Length: 27832, dtype: float64
中的大多數值a是相似的。
列印df_collision_big['a'] df_collision_small['a']給了我這個：
0 19.620067
1 19.620067
2 19.620067
3 19.620067
4 19.620067
...
504208 NaN
504209 NaN
504210 NaN
504211 NaN
504212 NaN
Name: a, Length: 18639, dtype: float64
還有一件事：
列印大小的 len 給了我這個：
print(len(df_collision_small['a']))
print(len(df_collision_big['a']))
# Output
13772
14060
希望有一些建議來解決這個問題。
謝謝。
uj5u.com熱心網友回復：
您可以將NaN問題總結為：
pd.merge(df_collision_small["a"], df_dense_big["a"], how="outer", left_index=True, right_index=True).sum(axis=1)
解釋
outer joinon index 會產生一個資料幀，其中兩個資料幀中的“a”放在一起（索引/位置明智）：
df_collision_small = pd.DataFrame({"a" : [1,2]})
>> a
>> 0 1
>> 1 2
df_dense_big = pd.DataFrame({"a" : [10,20,30,40]})
>> a
>> 0 10
>> 1 20
>> 2 30
>> 3 40
pd.merge(df_collision_small, df_dense_big, how="outer", left_index=True, right_index=True)
>> a_x a_y
>> 0 1.0 10
>> 1 2.0 20
>> 2 NaN 30
>> 3 NaN 40
sum(axis=1)NaN對值求和時忽略：
pd.merge(df_collision_small["a"], df_dense_big["a"], how="outer", left_index=True, right_index=True).sum(axis=1)
>> 0 11.0
>> 1 22.0
>> 2 30.0
>> 3 40.0
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/515542.html
標籤：Pythonpython-3.xCSVmatplotlib直方图
上一篇：使用哈希輸出CSV的資料