如何为seaborn histplot绘制奇数个子图

Posted 2023-03-12

【中文标题】如何为seaborn histplot绘制奇数个子图

【英文标题】：How to plot uneven number of subplots for seaborn histplot

【发布时间】：2021-05-10 07:45:45

【问题描述】：

我目前有一个包含 13 列的列表，我正在绘制其分布。我想创建一系列子图，以便这些图占用更少的空间，但在循环中这样做很困难。

示例数据框：

import pandas as pd
import numpy as np

data = 'identifier': ['A', 'B', 'C', 'D'],
        'treatment': ['untreated', 'treated', 'untreated', 'treated'], 'treatment_timing': ['pre', 'pre', 'post', 'post'],
        'subject_A': [1.3, 0.0, 0.5, 1.6], 'subject_B': [2.0, 1.4, 0.0, 0.0], 'subject_C': [nan, 3.0, 2.0, 0.5],
        'subject_D': [np.nan, np.nan, 1.0, 1.6], 'subject_E': [0, 0, 0, 0], 'subject_F': [1.0, 1.0, 0.4, 0.5]

df = pd.DataFrame(data)

  identifier  treatment treatment_timing  subject_A  subject_B  subject_C  subject_D  subject_E  subject_F
0          A  untreated              pre        1.3        2.0        NaN        NaN          0        1.0
1          B    treated              pre        0.0        1.4        3.0        NaN          0        1.0
2          C  untreated             post        0.5        0.0        2.0        1.0          0        0.4
3          D    treated             post        1.6        0.0        0.5        1.6          0        0.5

从 subject_A 到 subject_M（共 13 个）。 我目前正在执行的操作会生成 13 行、1 列的 13 个直方图布局。每个主题一个，分为 3 种颜色（前、后和缺失）。

这是我目前拥有的：

fig, axes = plt.subplots(3,5, sharex=True, figsize=(12,6))

for index, col in enumerate(COL_LIST):
    sns.histplot(
            df ,x=col, hue="time", multiple="dodge", bins=10, ax=axes[index,index % 3]
        ).set_title(col.replace("_", " "))
plt.tight_layout()

这绝对行不通。但我不确定是否有一种简单的方法来定义轴，而不必复制和粘贴这条线 13 次并手动定义轴坐标。

使用 displot 有点麻烦，因为 col_wrap 会出错

ValueError: Number of rows must be a positive integer, not 0

（我 相信这是由于 np.nan 的存在）

【问题讨论】：

这个matplotlib example shows 如何遍历轴对象并删除未使用的轴。这就是您提供的受限信息所能说的全部内容。

【参考方案1】：

使用seaborn.displot（即FacetGrid）将比使用seaborn.histplot 更容易。 探索使用row、col 和col_wrap 以获得所需的行数和列数。 subject_ 列必须堆叠，以将数据帧转换为整齐的格式，这可以通过 .stack 完成

import pandas as pd
import seaborn as sns

# convert the dataframe into a long form with stack
df_long = df.set_index(['identifier', 'treatment', 'treatment_timing']).stack().reset_index().rename(columns='level_3': 'subject', 0: 'vals')

# sort by subject
df_long = df_long.sort_values('subject').reset_index(drop=True)

# display(df_long.head())
  identifier  treatment treatment_timing    subject  vals
0          A  untreated              pre  subject_A   1.3
1          D    treated             post  subject_A   1.6
2          C  untreated             post  subject_A   0.5
3          B    treated              pre  subject_A   0.0
4          D    treated             post  subject_B   0.0

# plot with displot
sns.displot(data=df_long, row='subject', col='treatment', x='vals', hue='treatment_timing', bins=10)