Matplotlib：避免在“散点/点/ beeswarm”图中重叠数据点

Question

使用matplotlib绘制点图时，我想偏移重叠的数据点以使它们全部可见。例如，如果我有

CategoryA: 0,0,3,0,5  
CategoryB: 5,10,5,5,10  

我希望每个CategoryA“0”数据点并排设置，而不是直接设置在彼此之上，同时仍然与CategoryB不同。

在R（ggplot2）中有一个"jitter"选项可以执行此操作。在matplotlib中是否有类似的选项，还是有另一种方法可以产生类似的结果？

编辑： 澄清一下，the "beeswarm" plot in R基本上就是我想到的，pybeeswarm是matplotlib的早期但有用的开始/ Python版本。

编辑： 添加版本0.7中引入的Seaborn Swarmplot，是我想要的绝佳实现。

Answer 1

通过@ user2467675扩展答案，我就是这样做的：

def rand_jitter(arr):
    stdev = .01*(max(arr)-min(arr))
    return arr + np.random.randn(len(arr)) * stdev

def jitter(x, y, s=20, c='b', marker='o', cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, hold=None, **kwargs):
    return scatter(rand_jitter(x), rand_jitter(y), s=s, c=c, marker=marker, cmap=cmap, norm=norm, vmin=vmin, vmax=vmax, alpha=alpha, linewidths=linewidths, verts=verts, hold=hold, **kwargs)

stdev变量确保抖动足以在不同的尺度上看到，但它假设轴的极限是0和最大值。

然后，您可以拨打jitter而不是scatter。

Answer 2

我使用numpy.random沿着X轴“散布/冒热”数据，但是围绕每个类别的固定点，然后基本上为每个类别执行pyplot.scatter（）：

import matplotlib.pyplot as plt
import numpy as np

#random data for category A, B, with B "taller"
yA, yB = np.random.randn(100), 5.0+np.random.randn(1000)

xA, xB = np.random.normal(1, 0.1, len(yA)), 
         np.random.normal(3, 0.1, len(yB))

plt.scatter(xA, yA)
plt.scatter(xB, yB)
plt.show()

Answer 3

解决问题的一种方法是考虑每一行＆＃39;在你的散点图/点/ beeswarm图中作为直方图中的bin：

data = np.random.randn(100)

width = 0.8     # the maximum width of each 'row' in the scatter plot
xpos = 0        # the centre position of the scatter plot in x

counts, edges = np.histogram(data, bins=20)

centres = (edges[:-1] + edges[1:]) / 2.
yvals = centres.repeat(counts)

max_offset = width / counts.max()
offsets = np.hstack((np.arange(cc) - 0.5 * (cc - 1)) for cc in counts)
xvals = xpos + (offsets * max_offset)

fig, ax = plt.subplots(1, 1)
ax.scatter(xvals, yvals, s=30, c='b')

这显然涉及对数据进行分级，因此您可能会失去一些精确度。如果您有离散数据，则可以替换：

counts, edges = np.histogram(data, bins=20)
centres = (edges[:-1] + edges[1:]) / 2.

使用：

centres, counts = np.unique(data, return_counts=True)

保留精确y坐标的另一种方法，即使对于连续数据，也是使用kernel density estimate来缩放x轴中随机抖动的幅度：

from scipy.stats import gaussian_kde

kde = gaussian_kde(data)
density = kde(data)     # estimate the local density at each datapoint

# generate some random jitter between 0 and 1
jitter = np.random.rand(*data.shape) - 0.5 

# scale the jitter by the KDE estimate and add it to the centre x-coordinate
xvals = 1 + (density * jitter * width * 2)

ax.scatter(xvals, data, s=30, c='g')
for sp in ['top', 'bottom', 'right']:
    ax.spines[sp].set_visible(False)
ax.tick_params(top=False, bottom=False, right=False)

ax.set_xticks([0, 1])
ax.set_xticklabels(['Histogram', 'KDE'], fontsize='x-large')
fig.tight_layout()

第二种方法基于violin plots的工作方式。它仍然无法保证没有任何一个点重叠，但我发现在实践中，只要有相当数量的点（> 20），它往往会给出相当漂亮的结果，并且分布可以相当好近似于高斯之和。

Answer 4

在这里不知道直接的mpl替代方案，你有一个非常基本的建议：

from matplotlib import pyplot as plt
from itertools import groupby

CA = [0,4,0,3,0,5]  
CB = [0,0,4,4,2,2,2,2,3,0,5]  

x = []
y = []
for indx, klass in enumerate([CA, CB]):
    klass = groupby(sorted(klass))
    for item, objt in klass:
        objt = list(objt)
        points = len(objt)
        pos = 1 + indx + (1 - points) / 50.
        for item in objt:
            x.append(pos)
            y.append(item)
            pos += 0.04

plt.plot(x, y, 'o')
plt.xlim((0,3))

plt.show()

Answer 5

Seaborn通过sns.swarmplot()提供类似直方图的分类点图，并通过sns.stripplot()提供抖动的分类点图：

import seaborn as sns

sns.set(style='ticks', context='talk')
iris = sns.load_dataset('iris')

sns.swarmplot('species', 'sepal_length', data=iris)
sns.despine()

sns.stripplot('species', 'sepal_length', data=iris, jitter=0.2)
sns.despine()

Answer 6

Seaborn的swarmplot似乎最适合你的想法，但你也可以和Seaborn的regplot抖动：

import seaborn as sns
iris = sns.load_dataset('iris')

sns.regplot(x='sepal_length',
            y='sepal_width',
            data=iris,
            fit_reg=False,  # do not fit a regression line
            x_jitter=0.1,  # could also dynamically set this with range of data
            y_jitter=0.1,
            scatter_kws={'alpha': 0.5})  # set transparency to 50%

Answer 7

通过@wordsforthewise扩展答案（对不起，无法用我的声誉发表评论），如果您既需要抖动又需要使用色相来对点进行分类（就像我一样），则Seaborn的lmplot是一个不错的选择而不是reglpot：

import seaborn as sns
iris = sns.load_dataset('iris')
sns.lmplot(x='sepal_length', y='sepal_width', hue='species', data=iris, fit_reg=False, x_jitter=0.1, y_jitter=0.1)