我正在尝试使用seaborn
- 包组合散点图和线图(因为它似乎是在各类别中使用色彩图的一种巧妙方式)。
目前,我有两个数据集存储为pandas DataFrames:linear_data
用于线性情况,scatter_data
用于散点图数据。我可以创建两个单独的图:
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
# creating a nice color palette with 10 different colors
color_palette=sns.diverging_palette(10, 130, sep=100, n=10)
N=300
scatter_data = pd.DataFrame({'x' : np.random.random(N)*10, 'y' :
np.random.random(N)*100, 'score' : np.random.randint(1,10,N)})
# create linear plot for linear_data
lin_dict = {0.1: 51.98384470434041,
0.25: 69.9192341826548,
0.5: 83.48683256238559,
1.0: 97.05443094211638,
2.0: 110.62202932184718,
3.0: 118.5585655988348,
4.0: 124.18962770157796,
5.0: 128.55741880016157,
6.0: 132.1261639785656,
7.0: 135.1434950339544,
8.0: 137.75722608130874,
9.0: 140.06270025555324,
10.0: 142.12501717989235}
linear_data = pd.DataFrame.from_dict(lin_dict, orient='index').sort_index();
linear_data.index.name='x'; linear_data.columns = ['y']
ax = sns.pointplot(x=linear_data.index, y=linear_data['y'], data=linear_data)
# create scatter plot for scatter_data, having color scheme
# as in color_palette mapped onto the column 'score' (ranging from 1-10)
fg = sns.FacetGrid(data=scatter_data, hue='score', palette=color_palette, size=5, aspect=1.5)
fg.map(pyplot.scatter, 'x', 'y').add_legend()
所以,我不会分开这两个,我显然希望将它们放在同一个情节中!我无法发现FacetGrid
接受任何ax
- 变量,因此不确定如何连接这两个变量......
新:正如评论中所提到的,我希望linear_data
中的点位于较低的散点图中,但中的点与这些点相互连接 (显然与散射中使用的颜色不同,例如黑色)
解决此问题的任何线索?
答案 0 :(得分:2)
您可以使用通常的plt.plot
来绘制" linear_data"与" scatter_data"。
fg = sns.FacetGrid(data=scatter_data, hue='score',
palette=color_palette, size=5, aspect=1.5)
fg.map(plt.scatter, 'x', 'y').add_legend()
fg.axes[0,0].plot(linear_data.index, linear_data['y'], marker="o")
plt.show()
在没有明确使用FacetGrid的情况下可以实现同样的效果,而不是使用lmplot
。
fg = sns.lmplot(x = 'x',y= 'y', data=scatter_data, hue='score',
palette=color_palette,fit_reg=False )
fg.axes[0,0].plot(linear_data.index, linear_data['y'], marker="o")
plt.show()
最后,你根本不需要任何seaborn情节,只需要一个matplotlib scatter
和一个matplotlib plot
。 (唯一的缺点是添加一个图例就可以了。)
color_palette=sns.diverging_palette(10, 130, sep=100, n=10, as_cmap=True)
plt.scatter(scatter_data.x, scatter_data.y, c=scatter_data.score, cmap=color_palette)
plt.plot(linear_data.index, linear_data['y'], marker="o")
plt.show()