Python：如何为单个迹线添加辅助 x 轴？

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

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。由于我格式化的方式，代码显得“冗长”dicts 以便于阅读。

关键要素是：

• 添加累计总和time柱子 （time_c）用于xaxis2.
• 添加一条隐藏的轨迹来对齐xaxis，以及您的时间数据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。

关键的变化是更新layout['xaxis'] and layout['xaxis2']包含的字典'type': 'category', 'nticks'并定义'range' keys.

import pandas as pd
from 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，参考顶层情节文档 https://plotly.com/python/，图表是highly可配置。

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。