some3128's questions

我经常想display在一系列链接操作中同时操作数据框，为此我会使用*：

df = (
  df

  #Modify the dataframe:
  .assign(new_column=...)

  #View result (without killing the chain)
  .pipe(lambda df_: display(df_) or df_)

  #...further chaining is possible
)

上面的代码块添加new_column到数据框，显示新的数据框，最后返回它。这里链接有效，因为display返回None**。

display我的问题是关于我想用plt.plot或某些不返回的函数替换 的情况None。在这种情况下，df_将不再通过链传播。

目前，我的目标是定义一个transparent_pipe可以运行的外部函数plt.plot或任何其他方法，同时确保数据框得到传播：

def transparent_pipe(df, *funcs):
  [func(df) for func in funcs]
  return df

df = (
  df

  #Modify the dataframe:
  .assign(new_column=...)

  #Visualise a column from the modified df, without killing the chain
  .pipe(lambda df_: transparent_pipe(df_, plt.ecdf(df_.new_column), display(df_), ...)

  #...further chaining is possible
)

问题

是否有一种完全在线的方式可以做到这一点，而不需要定义transparent_pipe？

最好只使用pandas。

*来自《Effective Pandas 2：数据操作的固执模式》的提示，M. Harrison，2024 年。

**由于计算结果为 ，因此该.pipe运算返回。df_display(df_) or df_None or df_df_

matplotlib当使用绘制条形图时bars = plt.bar(...)，可以将返回的对象传递plt.bar_label(bars, labels)给以便于标记。

plt.bar_label(bars, labels)标记所有条形。我只想标记一个子集（前三个），最好使用plt.bar_label()。我不想调用 plt.text()或plt.annotate()。

有没有办法从中切出我想要的条形图bars，并且只使用标签plt.bar_label()？

下面的例子显示了所有条形图都已贴上标签的默认行为。

#Imports
import matplotlib.pyplot as plt
import pandas as pd

# Data for testing
values = [10, 9, 10.5, 4, 3.1, 2]
labels = [
    'sensor calibration', 'sensor response', 'noise floor estimate',
    'noise floor theta', 'weighted response coef', 'linear estimate'
]

#Bar plot with labels
ax = plt.figure(figsize=(5, 2)).add_subplot()
bars = ax.bar(range(6), values, color='lightgray')
ax.set(xlabel='x', ylabel='value', title='Data')
ax.spines[['top', 'right']].set_visible(False)

#Add all bar labels
label_kwargs = dict(rotation=90, weight='bold', fontsize=8, label_type='center')
ax.bar_label(bars, labels, **label_kwargs)