针对海底散点图中的不同类别调整不同的透明度

Question

我希望散点图中的不同类具有不同的alpha值（透明度）。

sns.scatterplot(x="BorrowerAPR", y="LoanOriginalAmount", data=df_new, 
                alpha=0.03, hue="LoanStatus")

预计1级Alpha为0.2。

Answer 1

一种方法是分别绘制它们，但如果未指定，则会得到不同的色调。以下是内置tips数据集的示例，其中吸烟者和非吸烟者使用不同的alpha值：

import seaborn as sns
import numpy as np

tips = sns.load_dataset("tips")
tips["alpha"] = np.where(tips.smoker == "Yes", 1.0, 0.5)

ax = sns.scatterplot(x="total_bill", y="tip", data=tips[tips.alpha == 0.5], 
                     alpha=0.5)
sns.scatterplot(x="total_bill", y="tip", data=tips[tips.alpha == 1.0], 
                alpha=1.0, ax=ax)

这也将较高的alpha点堆叠在较低的alpha点上。

更常见的是针对多个alpha类别：

alphas = tips.alpha.sort_values().unique()
ax = sns.scatterplot(x="total_bill", y="tip", data=tips[tips.alpha == alphas[0]],
                     alpha=alphas[0])
for alpha in alphas[1:]:
    sns.scatterplot(x="total_bill", y="tip", data=tips[tips.alpha == alpha],
                    alpha=alpha, ax=ax)

Answer 2

我认为seaborn是不可能的（尽管有人可能会证明我对此有误），但是您始终可以按照通常的方式使用matplotlib。

这意味着您可以使用自己喜欢的颜色（包括Alpha）创建颜色图，并创建scatter图。然后，图例的创建需要手动完成。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
import pandas as pd

df = pd.DataFrame(np.random.randn(100,2), columns=list("AB"))
df["hue"] = np.random.randint(0,2, size=100)


colors = [(0.1215, 0.4667, 0.7059, 0.7), 
          (1.0000, 0.4980, 0.0550, 0.2)]
cmap = ListedColormap(colors)

plt.scatter(x="A", y="B", c="hue", data=df, cmap=cmap)


hl = [(plt.Line2D([],[], color=cmap(i), ls="", marker="o"), i) 
      for i in np.unique(df["hue"].values)]
plt.legend(*zip(*hl), title="hue")
plt.show()