Question

seaborn文档尚不清楚这些区别，我无法弄清楚它们之间的区别。似乎它们具有非常相似的功能，甚至不完全相同。

seaborn.FacetGrid.map

seaborn.FacetGrid.map_dataframe

区别到底是什么？何时使用一个与另一个？关于map_dataframe的原始文档说：“与map方法不同，此处使用的函数必须“理解” Pandas对象。”那是map_dataframe与map文档中的唯一区别。什么样的对象被发送到map中的函数，如果不是一个数据框，它为什么重要呢？我也不太了解目标功能必须接受的color论点。该color参数中包含什么信息？

Answer 1

使用FacetGrid.map(func, "col1", "col2", ...)时，会将函数func和"col1"（如果需要的话，更多）列的值作为参数1和2（参数[0]，args [1]，...）。此外，该函数始终会收到一个名为"col2"的关键字参数。

使用color=时，会将函数FacetGrid.map_dataframe(func, "col1", "col2", ...)和func（如果需要，可以更多）传递给函数"col1"作为参数1和2（args [0] ，args [1]，...）和过滤后的数据帧作为关键字参数"col2"。此外，该函数始终会收到一个名为data=的关键字参数。

也许这个演示会有所帮助：

color=

使用N=4 df = pd.DataFrame({'col1': np.random.random(N), 'col2':np.random.random(N), 'cat':np.random.choice([True,False], size=N)}) | | col1 | col2 | cat | |---:|---------:|----------:|:------| | 0 | 0.651592 | 0.631109 | True | | 1 | 0.981403 | 0.550882 | False | | 2 | 0.467846 | 0.997084 | False | | 3 | 0.119726 | 0.0452547 | False |：

代码：

FacetGrid.map()

输出：

def test(*args, **kwargs):
    print(">>> content of ARGS:")
    print(args)
    print(">>> content of KWARGS:")
    print(kwargs)


g = sns.FacetGrid(df, col='cat')
g.map(test, 'col1', 'col2')

使用>>> content of ARGS: (1 0.981403 2 0.467846 3 0.119726 Name: col1, dtype: float64, 1 0.550882 2 0.997084 3 0.045255 Name: col2, dtype: float64) >>> content of KWARGS: {'color': (0.12156862745098039, 0.4666666666666667, 0.7058823529411765)} >>> content of ARGS: (0 0.651592 Name: col1, dtype: float64, 0 0.631109 Name: col2, dtype: float64) >>> content of KWARGS: {'color': (0.12156862745098039, 0.4666666666666667, 0.7058823529411765)}

代码：

map_dataframe

输出：

g.map_dataframe(test, 'col1', 'col2')

seaborn中的FacetGrid.map和FacetGrid.map_dataframe有什么区别？

1 个答案: