如何在子图中绘制多个 Seaborn 联合图

Posted 2023-02-18

【中文标题】如何在子图中绘制多个 Seaborn 联合图

【英文标题】：How to plot multiple Seaborn Jointplot in Subplot

【发布时间】：2016-05-04 16:38:28

【问题描述】：

我在将 Seaborn Jointplot 放入多列 subplot 时遇到问题。

import pandas as pd
import seaborn as sns

df = pd.DataFrame('C1': 'a': 1,'b': 15,'c': 9,'d': 7,'e': 2,'f': 2,'g': 6,'h': 5,'k': 5,'l': 8,
          'C2': 'a': 6,'b': 18,'c': 13,'d': 8,'e': 6,'f': 6,'g': 8,'h': 9,'k': 13,'l': 15)

fig = plt.figure();   
ax1 = fig.add_subplot(121);  
ax2 = fig.add_subplot(122);

sns.jointplot("C1", "C2", data=df, kind='reg', ax=ax1)
sns.jointplot("C1", "C2", data=df, kind='kde', ax=ax2)

注意jointplot 的一部分是如何放置在子图中的，而其余部分则留在另外两个图框内。我想要的是将distributions 也插入subplots 中。

有人可以帮忙吗？

【参考方案1】：

在 matplotlib 中移动轴不像以前那样容易。以下是使用当前版本的 matplotlib。

正如在几个地方（this question，还有this issue）所指出的，一些 seaborn 命令会自动创建自己的图形。这是硬编码到 seaborn 代码中的，因此目前无法在现有图形中生成此类图。这些是PairGrid、FacetGrid、JointGrid、pairplot、jointplot 和 lmplot。

有一个seaborn fork available 允许为相应的类提供一个子图网格，以便在预先存在的图形中创建该图。要使用它，您需要将 axisgrid.py 从 fork 复制到 seaborn 文件夹。请注意，这目前仅限用于 matplotlib 2.1（也可能是 2.0）。

另一种方法是创建一个 seaborn 图形并将轴复制到另一个图形。其原理在this answer 中显示，并且可以扩展到 Searborn 地块。实现比我最初预期的要复杂一些。下面是一个类SeabornFig2Grid，可以用一个seaborn网格实例（上述任何命令的返回）、一个matplotlib图形和一个subplot_spec，这是一个gridspec网格的位置。

注意：这是一个概念证明，它可能适用于大多数简单的情况，但我不建议在生产代码中使用它。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import seaborn as sns
import numpy as np

class SeabornFig2Grid():

    def __init__(self, seaborngrid, fig,  subplot_spec):
        self.fig = fig
        self.sg = seaborngrid
        self.subplot = subplot_spec
        if isinstance(self.sg, sns.axisgrid.FacetGrid) or \
            isinstance(self.sg, sns.axisgrid.PairGrid):
            self._movegrid()
        elif isinstance(self.sg, sns.axisgrid.JointGrid):
            self._movejointgrid()
        self._finalize()

    def _movegrid(self):
        """ Move PairGrid or Facetgrid """
        self._resize()
        n = self.sg.axes.shape[0]
        m = self.sg.axes.shape[1]
        self.subgrid = gridspec.GridSpecFromSubplotSpec(n,m, subplot_spec=self.subplot)
        for i in range(n):
            for j in range(m):
                self._moveaxes(self.sg.axes[i,j], self.subgrid[i,j])

    def _movejointgrid(self):
        """ Move Jointgrid """
        h= self.sg.ax_joint.get_position().height
        h2= self.sg.ax_marg_x.get_position().height
        r = int(np.round(h/h2))
        self._resize()
        self.subgrid = gridspec.GridSpecFromSubplotSpec(r+1,r+1, subplot_spec=self.subplot)

        self._moveaxes(self.sg.ax_joint, self.subgrid[1:, :-1])
        self._moveaxes(self.sg.ax_marg_x, self.subgrid[0, :-1])
        self._moveaxes(self.sg.ax_marg_y, self.subgrid[1:, -1])

    def _moveaxes(self, ax, gs):
        #https://***.com/a/46906599/4124317
        ax.remove()
        ax.figure=self.fig
        self.fig.axes.append(ax)
        self.fig.add_axes(ax)
        ax._subplotspec = gs
        ax.set_position(gs.get_position(self.fig))
        ax.set_subplotspec(gs)

    def _finalize(self):
        plt.close(self.sg.fig)
        self.fig.canvas.mpl_connect("resize_event", self._resize)
        self.fig.canvas.draw()

    def _resize(self, evt=None):
        self.sg.fig.set_size_inches(self.fig.get_size_inches())

这个类的用法如下：

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import seaborn as sns; sns.set()
import SeabornFig2Grid as sfg


iris = sns.load_dataset("iris")
tips = sns.load_dataset("tips")

# An lmplot
g0 = sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips, 
                palette=dict(Yes="g", No="m"))
# A PairGrid
g1 = sns.PairGrid(iris, hue="species")
g1.map(plt.scatter, s=5)
# A FacetGrid
g2 = sns.FacetGrid(tips, col="time",  hue="smoker")
g2.map(plt.scatter, "total_bill", "tip", edgecolor="w")
# A JointGrid
g3 = sns.jointplot("sepal_width", "petal_length", data=iris,
                   kind="kde", space=0, color="g")


fig = plt.figure(figsize=(13,8))
gs = gridspec.GridSpec(2, 2)

mg0 = sfg.SeabornFig2Grid(g0, fig, gs[0])
mg1 = sfg.SeabornFig2Grid(g1, fig, gs[1])
mg2 = sfg.SeabornFig2Grid(g2, fig, gs[3])
mg3 = sfg.SeabornFig2Grid(g3, fig, gs[2])

gs.tight_layout(fig)
#gs.update(top=0.7)

plt.show()

请注意，复制轴可能有几个缺点，并且上述内容尚未（尚未）彻底测试。

【讨论】：

ClusterGrid 需要进行哪些修改？

@JackArnestad 您基本上需要重新创建 seaborn 使用的网格。这看起来类似于_movejointgrid，但有四个轴。

@ImportanceOfBeingErnest 要求您用这个来更新答案会不会太过分了？我是 Python 和 matplotlib 的初学者，不完全确定如何去做。我真的很感激。谢谢:)

我想我记得这里没有包括 clustergrid，因为它需要的代码几乎与手动创建这种绘图一样多。

在 matplotlib 3.4.0（尚未发布）中，他们将支持subfigures。这似乎是一个很好的解决方案。

【参考方案2】：

没有黑客攻击是不容易做到的。 jointplot 调用JointGrid 方法，该方法在每次调用时都会创建一个新的figure 对象。

因此，hack 是制作两个联合图（JG1JG2），然后制作一个新图形，然后将坐标区对象从 JG1 JG2 迁移到创建的新图形。

最后，我们在刚刚创建的新图中调整子图的大小和位置。

JG1 = sns.jointplot("C1", "C2", data=df, kind='reg')
JG2 = sns.jointplot("C1", "C2", data=df, kind='kde')

#subplots migration
f = plt.figure()
for J in [JG1, JG2]:
    for A in J.fig.axes:
        f._axstack.add(f._make_key(A), A)

#subplots size adjustment
f.axes[0].set_position([0.05, 0.05, 0.4,  0.4])
f.axes[1].set_position([0.05, 0.45, 0.4,  0.05])
f.axes[2].set_position([0.45, 0.05, 0.05, 0.4])
f.axes[3].set_position([0.55, 0.05, 0.4,  0.4])
f.axes[4].set_position([0.55, 0.45, 0.4,  0.05])
f.axes[5].set_position([0.95, 0.05, 0.05, 0.4])

这是一个 hack，因为我们现在使用 _axstack 和 _add_key 私有方法，它们可能会也可能不会与现在的 matplotlib 未来版本中保持相同。

【讨论】：

我很难想象解决所有这些麻烦比设置子图网格并在其上绘制 distplot、regplot 和 kdeplot 更好。跨度>

完全同意。但在可重用性方面，这样做意味着复制大量已经用joint_plot 编写的代码。也许JointGird 可能需要一个可选参数来指定绘图轴/轴。当前行为意味着，如果提供一个ax=some_axis，则只有regplot 情节将转到some_axis。

这只是某人以从未想过的方式使用该功能而导致的行为。

@mwaskom 你是什么意思，“以一种从未想过的方式使用该功能”？你能解释一下吗？

【参考方案3】：

尽管@ImportanceOfBeingErnest 提供了优雅的解决方案，但如果您遇到麻烦，您仍然可以将seaborn 图作为图像保存到内存中，并使用它们来构建您的自定义图形。如果您需要更高的分辨率，请使用“.png”以外的其他格式。

这是上面显示的使用这种讨厌（但有效）方法的示例：

import matplotlib.image as mpimg
import matplotlib.pyplot as plt
import seaborn as sns

# data
iris = sns.load_dataset("iris")
tips = sns.load_dataset("tips")

############### 1. CREATE PLOTS
# An lmplot
g0 = sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips, 
                palette=dict(Yes="g", No="m"))
# A PairGrid
g1 = sns.PairGrid(iris, hue="species")
g1.map(plt.scatter, s=5)
# A FacetGrid
g2 = sns.FacetGrid(tips, col="time",  hue="smoker")
g2.map(plt.scatter, "total_bill", "tip", edgecolor="w")
# A JointGrid
g3 = sns.jointplot("sepal_width", "petal_length", data=iris,
                   kind="kde", space=0, color="g")

############### 2. SAVE PLOTS IN MEMORY TEMPORALLY
g0.savefig('g0.png')
plt.close(g0.fig)

g1.savefig('g1.png')
plt.close(g1.fig)

g2.savefig('g2.png')
plt.close(g2.fig)

g3.savefig('g3.png')
plt.close(g3.fig)

############### 3. CREATE YOUR SUBPLOTS FROM TEMPORAL IMAGES
f, axarr = plt.subplots(2, 2, figsize=(25, 16))

axarr[0,0].imshow(mpimg.imread('g0.png'))
axarr[0,1].imshow(mpimg.imread('g1.png'))
axarr[1,0].imshow(mpimg.imread('g3.png'))
axarr[1,1].imshow(mpimg.imread('g2.png'))

# turn off x and y axis
[ax.set_axis_off() for ax in axarr.ravel()]

plt.tight_layout()
plt.show()

【参考方案4】：

最近，我正在开发 patchworklib，它是 matplotlib 的子图管理器，灵感来自拼凑。 它允许您仅使用 / 和 | 运算符快速排列多个网格化 seaborn 图。

这是示例代码，you can also run on Google colab:

import seaborn as sns
import patchworklib as pw 
sns.set_theme()
pw.overwrite_axisgrid() 

iris = sns.load_dataset("iris")
tips = sns.load_dataset("tips")

# An lmplot
g0 = sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips, 
                palette=dict(Yes="g", No="m"))
g0 = pw.load_seaborngrid(g0, label="g0")

# A Pairplot
g1 = sns.pairplot(iris, hue="species")
g1 = pw.load_seaborngrid(g1, label="g1")

# A relplot
g2 = sns.relplot(data=tips, x="total_bill", y="tip", col="time", hue="time", 
                 size="size", style="sex", palette=["b", "r"], sizes=(10, 100))
g2 = pw.load_seaborngrid(g2, label="g2")

# A JointGrid
g3 = sns.jointplot("sepal_width", "petal_length", data=iris,
                   kind="kde", space=0, color="g")

g3 = pw.load_seaborngrid(g3, label="g3")
(((g0|g1)["g0"]/g3)["g3"]|g2).savefig("seaborn_subplots.png")