在 seaborn.jointplot 中绘制两个分布

Posted 2023-03-12

【中文标题】在 seaborn.jointplot 中绘制两个分布

【英文标题】：Plotting two distributions in seaborn.jointplot

【发布时间】：2015-10-10 22:51:04

【问题描述】：

我有两个 pandas 数据框，我想在同一个 seaborn jointplot 中进行绘图。它看起来像这样（命令在 IPython shell 中使用；ipython --pylab）：

import pandas as pd
import seaborn as sns
iris = sns.load_dataset('iris')
df = pd.read_csv('my_dataset.csv')
g = sns.jointplot('sepal_length', 'sepal_width', iris)

两个数据帧中的键是相同的。 如何在同一个图中绘制我的值（当然颜色不同）？甚至更详细：我如何绘制两个数据集，但只有第一个的分布在顶部和侧面？ IE。只画点。

【问题讨论】：

我怀疑这是最好的方法，但您可以使用pairplot 的hue 选项来获得不同的颜色（在第一次合并数据集之后）。 stanford.edu/~mwaskom/software/seaborn/examples/…

顺便说一句，现在建议在启动 ipython 后使用 %matplotlib inline 而不是使用 --pylab 调用

--pylab和%matplotlib inline有什么区别？

对于您的第一条评论。我更喜欢@jianxun-li 给出的解决方案。

新的 Seaborn v0.11 版本通过 hue 参数优雅地解决了您的问题。在这里查看我的答案：***.com/a/63843331/7952162

【参考方案1】：

这是通过修改sns.JointGrid的基础数据来实现的一种方法。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# simulate some artificial data
# ========================================
np.random.seed(0)
data1 = np.random.multivariate_normal([0,0], [[1,0.5],[0.5,1]], size=200)
data2 = np.random.multivariate_normal([0,0], [[1,-0.8],[-0.8,1]], size=100)

# both df1 and df2 have bivaraite normals, df1.size=200, df2.size=100
df1 = pd.DataFrame(data1, columns=['x1', 'y1'])
df2 = pd.DataFrame(data2, columns=['x2', 'y2'])


# plot
# ========================================   
graph = sns.jointplot(x=df1.x1, y=df1.y1, color='r')

graph.x = df2.x2
graph.y = df2.y2
graph.plot_joint(plt.scatter, marker='x', c='b', s=50)

【讨论】：

@DanielThaagaardAndreasen 不客气。很高兴它有帮助。 :-)

如何在侧面的直方图中也显示第二个分布？

@JianxunLi 关于添加图例的巧妙方法有什么技巧吗？

@user1834164 graph.plot_marginals(plt.hist, c='b')

@NimrodMorag - 您建议的代码返回错误AttributeError: 'Rectangle' object has no property 'vertical'。 @ManuCJ - 感谢您提供指向新 hue 参数的示例，但是，这不如将任何两个不相关的数据集绘制在一起那样通用。我仍然想要@user1834164 问题的另一个答案。

【参考方案2】：

在我看来，更好的解决方案是将坐标轴句柄用于sns.joinplot 返回的联合分布和边际分布。使用这些（名称为ax_joint、ax_marg_x 和ax_marg_y）也可以绘制边际分布图。

import seaborn as sns
import numpy as np

data1 = np.random.randn(100)
data2 = np.random.randn(100)
data3 = np.random.randn(100)
data4 = np.random.randn(100)

df1 = pd.DataFrame('col1': data1, 'col2':data2)
df2 = pd.DataFrame('col1': data3, 'col2':data4)

axs = sns.jointplot('col1', 'col2', data=df1)
axs.ax_joint.scatter('col1', 'col2', data=df2, c='r', marker='x')

# drawing pdf instead of histograms on the marginal axes
axs.ax_marg_x.cla()
axs.ax_marg_y.cla()
sns.distplot(df1.col1, ax=axs.ax_marg_x)
sns.distplot(df1.col2, ax=axs.ax_marg_y, vertical=True)

【讨论】：

我能够重现您的代码，但是，我想在垂直边缘轴上绘制一个新的直方图（而不是您的示例中的 sns.distplot 图）。我尝试改用函数sns.histplot，但结果最终旋转了90度。如何在垂直边缘轴上添加新的直方图？

@Stefano 尝试在我在答案中提供的 sn-p 末尾添加以下 2 行：df_new = pd.DataFrame('col1': np.random.rand(100)) sns.histplot(data=df_new, ax=axs.ax_marg_y, y="col1", stat="density")

【参考方案3】：

在绘制jointplot之后可能会更容易，更改为您想要绘制某些东西的轴，然后使用普通的pyplot或基于轴的seaborn plots：

g=sns.jointplot(...)
plt.sca("axis_name")
plt.plot/plt.scatter/.../sns.kde(ax="axis_name")

轴名称为ax_joint（用于二维图）或ax_marg_x 或ax_marg_y（用于侧面的一维图）。

此外，如果您想使用jointplot 结构但通过pyplot 绘制所有图，请使用cla 函数，例如清除二维图：

g.ax_joint.cla()

【参考方案4】：

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species")