seaborn中分组数据的联合图

Posted 2023-03-12

【中文标题】seaborn中分组数据的联合图

【英文标题】：Joint plot for groupby datas on seaborn

【发布时间】：2021-11-26 16:26:06

【问题描述】：

我有一个如下所示的数据框：

In[1]: df.head()
Out[1]:
dataset  x     y
   1     56   45
   1     31   67
   7     22   85
   2     90   45
   2     15   42

还有大约 4000 行。 x 和 y 按数据集分组。我正在尝试使用 seaborn 分别为 每个 数据集绘制联合图。到目前为止，这是我能想到的：

import seaborn as sns

g = sns.FacetGrid(df, col="dataset", col_wrap=3)
g.map_dataframe(sns.scatterplot, x="x", y="y", color = "#7db4a2")
g.map_dataframe(sns.histplot, x="x", color = "#7db4a2")
g.map_dataframe(sns.histplot, y="y", color = "#7db4a2")
g.add_legend();

但都有重叠。如何为子图中的每个数据集制作适当的联合图？谢谢你的进步和欢呼！

【问题讨论】：

更新到 seaborn 0.11.2 并使用 seaborn.jointplot: sns.jointplot(data=df, x='x', y='y', hue='dataset')。此外，FacetGrid 是一个图形级别的图，目前没有包含子图形的选项。

嗯。你建议我应该如何解决这个问题？

【参考方案1】：

您可以在数据集列上使用groupby，然后使用sns.jointgrid()，最后将散点图和KDE图添加到jointgrid中。

这是一个使用 numpy 随机种子生成器的示例。我制作了三个“数据集”和随机 x,y 值。自定义颜色等方法见Seaborn jointgrid documentation。

### Build an example dataset
np.random.seed(seed=1)
ds = (np.arange(3)).tolist()*10
x = np.random.randint(100, size=(60)).tolist()
y = np.random.randint(20, size=(60)).tolist()
df = pd.DataFrame(data=zip(ds, x, y), columns=["ds", "x", "y"])

### The plots
for _ds, group in df.groupby('ds'):
    group = group.copy()
    g = sns.JointGrid(data=group, x='x', y='y')
    g.plot(sns.scatterplot, sns.kdeplot)