Format sumbu y sebagai persen

Saya memiliki plot yang dibuat dengan panda seperti ini:

df['myvar'].plot(kind='bar')

Sumbu y adalah format sebagai float dan saya ingin mengubah sumbu y menjadi persentase. Semua solusi yang saya temukan menggunakan sintaks ax.xyz dan saya hanya dapat menempatkan kode di bawah baris di atas yang membuat plot (saya tidak dapat menambahkan ax = ax ke baris di atas.)

Bagaimana cara memformat sumbu y sebagai persentase tanpa mengubah garis di atas?

Berikut adalah solusi yang saya temukan tetapi mengharuskan saya mendefinisikan ulang plot :

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.ticker as mtick

data = [8,12,15,17,18,18.5]
perc = np.linspace(0,100,len(data))

fig = plt.figure(1, (7,4))
ax = fig.add_subplot(1,1,1)

ax.plot(perc, data)

fmt = '%.0f%%' # Format you want the ticks, e.g. '40%'
xticks = mtick.FormatStrFormatter(fmt)
ax.xaxis.set_major_formatter(xticks)

plt.show()

Tautkan ke solusi di atas: Pyplot: menggunakan persentase pada sumbu x

Ini terlambat beberapa bulan, tetapi saya telah membuat PR # 6251 dengan matplotlib untuk menambahkan PercentFormatterkelas baru . Dengan kelas ini Anda hanya perlu satu baris untuk memformat ulang sumbu Anda (dua jika Anda menghitung impor matplotlib.ticker):

import ...
import matplotlib.ticker as mtick

ax = df['myvar'].plot(kind='bar')
ax.yaxis.set_major_formatter(mtick.PercentFormatter())

PercentFormatter()menerima tiga argumen, xmax, decimals, symbol. xmaxmemungkinkan Anda untuk mengatur nilai yang sesuai dengan 100% pada sumbu. Ini bagus jika Anda memiliki data dari 0,0 hingga 1,0 dan Anda ingin menampilkannya dari 0% hingga 100%. Lakukan saja PercentFormatter(1.0).

Dua parameter lainnya memungkinkan Anda untuk mengatur jumlah digit setelah koma desimal dan simbol. Mereka default ke Nonedan '%', masing-masing. decimals=Noneakan secara otomatis mengatur jumlah titik desimal berdasarkan seberapa banyak sumbu yang Anda tunjukkan.

Memperbarui

PercentFormatter diperkenalkan ke Matplotlib tepat di versi 2.1.0.

pandas dataframe plot akan mengembalikan axuntuk Anda, Dan kemudian Anda dapat mulai memanipulasi sumbu apa pun yang Anda inginkan.

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(100,5))

# you get ax from here
ax = df.plot()
type(ax)  # matplotlib.axes._subplots.AxesSubplot

# manipulate
vals = ax.get_yticks()
ax.set_yticklabels(['{:,.2%}'.format(x) for x in vals])

Solusi Jianxun berhasil untuk saya tetapi merusak indikator nilai y di kiri bawah jendela.

Saya akhirnya menggunakan FuncFormattersebagai gantinya (dan juga menghapus nol tertinggal yang tidak perlu seperti yang disarankan di sini ):

import pandas as pd
import numpy as np
from matplotlib.ticker import FuncFormatter

df = pd.DataFrame(np.random.randn(100,5))

ax = df.plot()
ax.yaxis.set_major_formatter(FuncFormatter(lambda y, _: '{:.0%}'.format(y))) 

Secara umum saya akan merekomendasikan penggunaan FuncFormatteruntuk pemformatan label: dapat diandalkan, dan serbaguna.

Bagi mereka yang mencari one-liner cepat:

plt.gca().set_yticklabels(['{:.0f}%'.format(x*100) for x in plt.gca().get_yticks()]) 

Atau jika Anda menggunakan Latex sebagai pemformat teks sumbu, Anda harus menambahkan satu garis miring terbalik '\'

plt.gca().set_yticklabels(['{:.0f}\%'.format(x*100) for x in plt.gca().get_yticks()]) 

Saya mengusulkan metode alternatif menggunakan seaborn

Kode kerja:

import pandas as pd
import seaborn as sns
data=np.random.rand(10,2)*100
df = pd.DataFrame(data, columns=['A', 'B'])
ax= sns.lineplot(data=df, markers= True)
ax.set(xlabel='xlabel', ylabel='ylabel', title='title')
#changing ylables ticks
y_value=['{:,.2f}'.format(x) + '%' for x in ax.get_yticks()]
ax.set_yticklabels(y_value)

Saya terlambat ke permainan tetapi saya baru menyadari ini: axdapat diganti dengan plt.gca()bagi mereka yang tidak menggunakan sumbu dan hanya subplot.

Menggema jawaban Fisikawan @Mad, menggunakan paket PercentFormatteritu akan menjadi:

import matplotlib.ticker as mtick

plt.gca().yaxis.set_major_formatter(mtick.PercentFormatter(1))
#if you already have ticks in the 0 to 1 range. Otherwise see their answer