将 seaborn.PairGrid 上的多个数据集绘制为不同颜色的 kdeplots
Plotting multiple datasets on a seaborn.PairGrid as kdeplots with different colours
我正在尝试绘制与 seaborn 文档中描述的非常相似的情况
http://seaborn.pydata.org/tutorial/axis_grids.html#plotting-pairwise-relationships-with-pairgrid-and-pairplot
有问题的例子可以在下面的几张图表中找到,用 iris 数据集绘制了一个 sns.PairGrid
。他们在样本对网格上绘制了不同的物种,物种颜色编码为 hue。
我基本上想这样做,但是使用 kde 等高线图。我得到了与他们格式相同的数据:
new_HP.head()
A C logsw Mass Range
0 -3.365547 0.977325 6.172032 0
1 -0.836703 0.962374 5.949639 0
2 -0.522476 0.931787 5.967940 0
3 -0.508345 0.974561 5.929046 0
4 -0.753747 0.905854 6.027479 0
"Mass Range" 取值 0,1,2,3。有
g = sns.PairGrid(new_HP, vars=['A', 'C', 'logsw'], hue="Mass Range")
g.map_diag(sns.kdeplot)
g.map_lower(sns.kdeplot)
g.map_upper(plt.scatter)
我得到以下情节
我想为每个 "Mass Range" bin 设置 kde countours 的颜色,就像在右上角,散点的颜色显示为色调。我该怎么做?
如果您不介意稍微滥用 Python 函数属性,您可以尝试这样的操作:
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from itertools import cycle
data = sns.load_dataset('iris')
def make_kde(*args, **kwargs):
sns.kdeplot(*args, cmap=next(make_kde.cmap_cycle), **kwargs)
make_kde.cmap_cycle = cycle(('Blues_r', 'Greens_r', 'Reds_r'))
pg = sns.PairGrid(data, vars=('sepal_length', 'sepal_width', 'petal_length'), hue='species')
pg.map_diag(sns.kdeplot)
pg.map_lower(make_kde)
pg.map_upper(plt.scatter)
这将循环存储在附加到 make_kde
函数的 cmap_cycle
属性中的颜色映射列表。
'iris' 数据集的结果如下所示:
我正在尝试绘制与 seaborn 文档中描述的非常相似的情况 http://seaborn.pydata.org/tutorial/axis_grids.html#plotting-pairwise-relationships-with-pairgrid-and-pairplot
有问题的例子可以在下面的几张图表中找到,用 iris 数据集绘制了一个 sns.PairGrid
。他们在样本对网格上绘制了不同的物种,物种颜色编码为 hue。
我基本上想这样做,但是使用 kde 等高线图。我得到了与他们格式相同的数据:
new_HP.head()
A C logsw Mass Range
0 -3.365547 0.977325 6.172032 0
1 -0.836703 0.962374 5.949639 0
2 -0.522476 0.931787 5.967940 0
3 -0.508345 0.974561 5.929046 0
4 -0.753747 0.905854 6.027479 0
"Mass Range" 取值 0,1,2,3。有
g = sns.PairGrid(new_HP, vars=['A', 'C', 'logsw'], hue="Mass Range")
g.map_diag(sns.kdeplot)
g.map_lower(sns.kdeplot)
g.map_upper(plt.scatter)
我得到以下情节
如果您不介意稍微滥用 Python 函数属性,您可以尝试这样的操作:
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from itertools import cycle
data = sns.load_dataset('iris')
def make_kde(*args, **kwargs):
sns.kdeplot(*args, cmap=next(make_kde.cmap_cycle), **kwargs)
make_kde.cmap_cycle = cycle(('Blues_r', 'Greens_r', 'Reds_r'))
pg = sns.PairGrid(data, vars=('sepal_length', 'sepal_width', 'petal_length'), hue='species')
pg.map_diag(sns.kdeplot)
pg.map_lower(make_kde)
pg.map_upper(plt.scatter)
这将循环存储在附加到 make_kde
函数的 cmap_cycle
属性中的颜色映射列表。
'iris' 数据集的结果如下所示: