python - 如何用来自不同数据集的 "marginal"(分布直方图)覆盖 Seaborn 联合图

Question

我根据一组存储在 pandas DataFrame 中的“观察到的计数与浓度”绘制了一个 Seaborn JointPlot。我想(在同一组轴上)在现有边际之上覆盖每个浓度的“预期计数”的边际(即:单变量分布)，以便可以轻松比较差异。

这张图与我想要的非常相似，尽管它有不同的轴并且只有两个数据集:

这是我的数据布局和关联方式的示例:

df_observed

x axis--> log2(concentration): 1,1,1,2,3,3,3 (zero-counts have been omitted)

y axis--> log2(count): 4.5, 5.7, 5.0, 9.3, 16.0, 16.5, 15.4 (zero-counts have been omitted)

df_expected

x axis--> log2(concentration): 1,1,1,2,2,2,3,3,3

因此，将 df_expected 的分布叠加在 df_observed 的分布之上将指示每个浓度的计数丢失的位置。

我目前拥有的

PS:我是 Stack Overflow 的新手，所以任何关于如何更好地提问的建议都将不胜感激。另外，我已经广泛搜索了我的问题的答案，但无济于事。此外，Plotly 解决方案同样有用。谢谢

Answer 1

写了一个函数来绘制它，非常松散地基于@blue_chip 的想法。您可能仍需要根据您的特定需求对其进行一些调整。

这是一个用法示例:

示例数据:

import seaborn as sns, numpy as np, matplotlib.pyplot as plt, pandas as pd
n=1000
m1=-3
m2=3

df1 = pd.DataFrame((np.random.randn(n)+m1).reshape(-1,2), columns=['x','y'])
df2 = pd.DataFrame((np.random.randn(n)+m2).reshape(-1,2), columns=['x','y'])
df3 = pd.DataFrame(df1.values+df2.values, columns=['x','y'])
df1['kind'] = 'dist1'
df2['kind'] = 'dist2'
df3['kind'] = 'dist1+dist2'
df=pd.concat([df1,df2,df3])

函数定义:

def multivariateGrid(col_x, col_y, col_k, df, k_is_color=False, scatter_alpha=.5):
    def colored_scatter(x, y, c=None):
        def scatter(*args, **kwargs):
            args = (x, y)
            if c is not None:
                kwargs['c'] = c
            kwargs['alpha'] = scatter_alpha
            plt.scatter(*args, **kwargs)

        return scatter

    g = sns.JointGrid(
        x=col_x,
        y=col_y,
        data=df
    )
    color = None
    legends=[]
    for name, df_group in df.groupby(col_k):
        legends.append(name)
        if k_is_color:
            color=name
        g.plot_joint(
            colored_scatter(df_group[col_x],df_group[col_y],color),
        )
        sns.distplot(
            df_group[col_x].values,
            ax=g.ax_marg_x,
            color=color,
        )
        sns.distplot(
            df_group[col_y].values,
            ax=g.ax_marg_y,
            color=color,            
            vertical=True
        )
    # Do also global Hist:
    sns.distplot(
        df[col_x].values,
        ax=g.ax_marg_x,
        color='grey'
    )
    sns.distplot(
        df[col_y].values.ravel(),
        ax=g.ax_marg_y,
        color='grey',
        vertical=True
    )
    plt.legend(legends)
    

用法:

multivariateGrid('x', 'y', 'kind', df=df)