Matplotlib：避免“散点/点/蜂群”图中的重叠数据点

Posted 2023-02-16

【中文标题】Matplotlib：避免“散点/点/蜂群”图中的重叠数据点

【英文标题】：Matplotlib: avoiding overlapping datapoints in a "scatter/dot/beeswarm" plot

【发布时间】：2012-01-30 02:30:29

【问题描述】：

使用matplotlib 绘制点图时，我想偏移重叠的数据点以使它们全部可见。例如，如果我有：

CategoryA: 0,0,3,0,5  
CategoryB: 5,10,5,5,10  

我希望每个 CategoryA "0" 数据点并排设置，而不是彼此重叠，同时仍与 CategoryB 保持不同。

在 R (ggplot2) 中有一个 "jitter" 选项可以执行此操作。 matplotlib 中是否有类似的选项，或者是否有其他方法会导致类似的结果？

编辑： 澄清一下，the "beeswarm" plot in R 基本上是我的想法，pybeeswarm 是 matplotlib/Python 版本的早期但有用的开始。

编辑： 添加 Seaborn 的 Swarmplot，在 0.7 版中引入，是我想要的一个很好的实现。

【问题讨论】：

在dot plot 中，这些点已经在它们的列中分开了

“点图”的 wiki 定义不是我想要描述的，但我从未听说过“点图”以外的术语。它大约是一个散点图，但带有任意（不一定是数字）x 标签。因此，在我在问题中描述的示例中，“CategoryA”将有一列值，“CategoryB”将有一列值，等等。（编辑：“克利夫兰点图的***定义" 与我正在寻找的更相似，但仍然不完全相同。）

类似问题：***.com/questions/56347325

【参考方案1】：

不知道这里有一个直接的 mpl 替代方案，你有一个非常基本的建议：

from matplotlib import pyplot as plt
from itertools import groupby

CA = [0,4,0,3,0,5]  
CB = [0,0,4,4,2,2,2,2,3,0,5]  

x = []
y = []
for indx, klass in enumerate([CA, CB]):
    klass = groupby(sorted(klass))
    for item, objt in klass:
        objt = list(objt)
        points = len(objt)
        pos = 1 + indx + (1 - points) / 50.
        for item in objt:
            x.append(pos)
            y.append(item)
            pos += 0.04

plt.plot(x, y, 'o')
plt.xlim((0,3))

plt.show()

【参考方案2】：

我使用 numpy.random 沿 X 轴“分散/蜂群”数据，但围绕每个类别的固定点，然后基本上为每个类别执行 pyplot.scatter()：

import matplotlib.pyplot as plt
import numpy as np

#random data for category A, B, with B "taller"
yA, yB = np.random.randn(100), 5.0+np.random.randn(1000)

xA, xB = np.random.normal(1, 0.1, len(yA)), 
         np.random.normal(3, 0.1, len(yB))

plt.scatter(xA, yA)
plt.scatter(xB, yB)
plt.show()

【参考方案3】：

通过@user2467675 扩展答案，我是这样做的：

def rand_jitter(arr):
    stdev = .01 * (max(arr) - min(arr))
    return arr + np.random.randn(len(arr)) * stdev

def jitter(x, y, s=20, c='b', marker='o', cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, hold=None, **kwargs):
    return scatter(rand_jitter(x), rand_jitter(y), s=s, c=c, marker=marker, cmap=cmap, norm=norm, vmin=vmin, vmax=vmax, alpha=alpha, linewidths=linewidths, **kwargs)

stdev 变量确保抖动足以在不同的尺度上看到，但它假定轴的限制为零和最大值。

然后您可以调用jitter 而不是scatter。

【讨论】：

我真的很喜欢你自动计算抖动的规模。很适合我。

如果arr 仅包含零（即stdev=0），这是否有效？

我必须从jitter() 的参数和scatter() 的调用中删除holds 和verts 才能让它在2020 年工作。希望这对某人有帮助:)。

【参考方案4】：

解决问题的一种方法是将散点图/点图/蜂群图中的每一“行”视为直方图中的一个 bin：

data = np.random.randn(100)

width = 0.8     # the maximum width of each 'row' in the scatter plot
xpos = 0        # the centre position of the scatter plot in x

counts, edges = np.histogram(data, bins=20)

centres = (edges[:-1] + edges[1:]) / 2.
yvals = centres.repeat(counts)

max_offset = width / counts.max()
offsets = np.hstack((np.arange(cc) - 0.5 * (cc - 1)) for cc in counts)
xvals = xpos + (offsets * max_offset)

fig, ax = plt.subplots(1, 1)
ax.scatter(xvals, yvals, s=30, c='b')

这显然涉及对数据进行分箱，因此您可能会丢失一些精度。如果你有离散数据，你可以替换：

counts, edges = np.histogram(data, bins=20)
centres = (edges[:-1] + edges[1:]) / 2.

与：

centres, counts = np.unique(data, return_counts=True)

---

保留精确 y 坐标（即使对于连续数据）的另一种方法是使用 kernel density estimate 来缩放 x 轴上随机抖动的幅度：

from scipy.stats import gaussian_kde

kde = gaussian_kde(data)
density = kde(data)     # estimate the local density at each datapoint

# generate some random jitter between 0 and 1
jitter = np.random.rand(*data.shape) - 0.5 

# scale the jitter by the KDE estimate and add it to the centre x-coordinate
xvals = 1 + (density * jitter * width * 2)

ax.scatter(xvals, data, s=30, c='g')
for sp in ['top', 'bottom', 'right']:
    ax.spines[sp].set_visible(False)
ax.tick_params(top=False, bottom=False, right=False)

ax.set_xticks([0, 1])
ax.set_xticklabels(['Histogram', 'KDE'], fontsize='x-large')
fig.tight_layout()

第二种方法大致基于violin plots 的工作方式。它仍然不能保证没有任何点重叠，但我发现在实践中，只要有相当数量的点（> 20），它往往会给出非常漂亮的结果，并且分布可以相当好地近似由高斯和。

【讨论】：

不幸的是，xvals = 1 + (density * jitter * width * 2) 部分中的2 是一个必须根据数据集进行调整的参数。对于我的数据，我必须将其设置为 2000 以查看任何抖动，并设置为 20,000 以在最密集的区域获得良好的分散。

【参考方案5】：

Seaborn 通过sns.swarmplot() 提供类直方图分类点图，通过sns.stripplot() 提供抖动分类点图：

import seaborn as sns

sns.set(style='ticks', context='talk')
iris = sns.load_dataset('iris')

sns.swarmplot('species', 'sepal_length', data=iris)
sns.despine()

sns.stripplot('species', 'sepal_length', data=iris, jitter=0.2)
sns.despine()

【讨论】：

你的例子不是两个分类变量，而是一个分类和一个数字（sepal_length）。

@felice 这个问题要求一个分类和一个数字

甚至变量名也包含“类别”一词。但我现在明白我的困惑了，谢谢。

【参考方案6】：

Seaborn 的 swarmplot 似乎最适合您的想法，但您也可以使用 Seaborn 的 regplot：

import seaborn as sns
iris = sns.load_dataset('iris')

sns.swarmplot('species', 'sepal_length', data=iris)

sns.regplot(x='sepal_length',
            y='sepal_width',
            data=iris,
            fit_reg=False,  # do not fit a regression line
            x_jitter=0.1,  # could also dynamically set this with range of data
            y_jitter=0.1,
            scatter_kws='alpha': 0.5)  # set transparency to 50%

【参考方案7】：

通过@wordsforthewise 扩展答案（抱歉，无法评论我的声誉），如果您需要抖动和使用色调以某种分类（就像我所做的那样）为点着色，Seaborn 的 lmplot 是一个不错的选择而不是reglpot：

import seaborn as sns
iris = sns.load_dataset('iris')
sns.lmplot(x='sepal_length', y='sepal_width', hue='species', data=iris, fit_reg=False, x_jitter=0.1, y_jitter=0.1)  

【讨论】：

如果您想在现有答案中添加一些内容，您可以对其进行编辑，如果该答案没问题，那么您可以添加另一个答案来扩展它。 ;)