我可以通过另一个变量中的值为a seaborn distplot着色吗？

Question

我想在我的数据框中用另一个变量为seaborn.distplot着色。

这是一个抽象的例子：

import numpy
import pandas
import seaborn
A = numpy.random.choice(100, size=1000)
B =  numpy.random.choice(1000, size=1000)
df = pandas.DataFrame([A, B], index=['A', 'B']).transpose()
df = df.sort_values(by='B')
plt.figure()
seaborn.distplot(df['A'], bins=50)
plt.show()

哪个产生：

现在是否可以根据df['B']？

中的值为此绘图着色

修改

为了澄清，让我们说A是人口年龄的分布，B是他们的体重。我喜欢渐变的颜色，如果老年人也很重，直方图的条纹会变成绿色。请注意，我并不期待一个好的频谱 - 有趣的数据＆＃39;可能会出现在情节的中间。对我来说，有趣的数据是A，其B较低。

我希望能够解决问题。

Answer 1

我建议将数据聚合和可视化分开。这主要是允许将问题分成可以更容易找到溶液的碎片。

在这种情况下，我想这个想法是从输入数据创建一个像这样的表

              0     weight  density
age                                
(0, 10]   140.0  54.388877   0.0140
(10, 20]  269.0  71.422041   0.0269
(20, 30]  273.0  78.842196   0.0273
(30, 40]  188.0  79.433658   0.0188
(40, 50]   92.0  76.108056   0.0092
(50, 60]   28.0  69.800159   0.0028
(60, 70]    7.0  61.524235   0.0007
(70, 80]    3.0  52.942435   0.0003
(80, 90]    NaN        NaN      NaN

我们的人数，平均体重和密度为列，分箱年龄为行。

然后可以轻松地绘制这样的表格。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np; np.random.seed(46)
import seaborn as sns

# create data
a = np.random.rayleigh(20, size=1000)
b = 80*np.sin(np.sqrt((a+1)/20.*np.pi/2.))
df = pd.DataFrame({"age" : a,  "weight" : b})

# calculate age density and mean weight
bins = np.arange(0,100,10)
groups = df.groupby([pd.cut(df.age, bins),'weight' ])
df2 = groups.size().reset_index(["age","weight"])

df3 = df2.groupby("age")[0].sum()
df4 = df2.groupby("age")["weight"].mean()

df6 = pd.concat([df3,df4], axis=1)
df6["density"] = df6[0]/np.sum(df6[0].fillna(0).values*np.diff(bins))

# prepare colors
norm=plt.Normalize(np.nanmin(df6["weight"].values), 
                   np.nanmax(df6["weight"].values))
colors = plt.cm.plasma(norm(df6["weight"].fillna(0).values))

# create figure and axes
fig, ax = plt.subplots()
# bar plot
ax.bar(bins[:-1],df6.fillna(0)["density"], width=10, color=colors, align="edge")
# KDE plot
sns.kdeplot(df["age"], ax=ax, color="k", lw=2)

#create colorbar
sm = plt.cm.ScalarMappable(cmap="plasma", norm=norm)
sm.set_array([])
fig.colorbar(sm, ax=ax, label="weight")

#annotate axes
ax.set_ylabel("density")
ax.set_xlabel("age")
plt.show()