python - 使用 Seaborn 的 FacetGrid 自定义注释

Question

我正在尝试使用 Python 中的 Seaborn 模块自定义一些图形，但我没有成功创建自定义标签或注释。我有一些生成下图的代码:

plot = sns.FacetGrid(data = data, col = 'bot', margin_titles = True).set_titles('Human', 'Bot')
bins = np.linspace(0, 2000, 15)
plot = plot.map(plt.hist, 'friends_count', color = 'black', lw = 0, bins = bins)
plot.set_axis_labels('Number Following', 'Count')
sns.despine(left = True, bottom = True)

我想做两件事:1. 替换默认的因子标签，例如'bot = 0.0'，带有有意义的文本，并且 2. 在每个类别的平均数字后面绘制垂直线。

这是一个独立的例子:

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

fake = pd.DataFrame({'val': [1, 2, 2, 3, 3, 2, 1, 1, 2, 3], 'group': [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]})
plot = sns.FacetGrid(data = fake, col = 'group', margin_titles = True).set_titles('zero', 'one')
plot = plot.map(plt.hist, 'val', color = 'black', lw = 0)
sns.despine(left = True, bottom = True)

有人知道如何自定义 FacetGrids 吗？

Answer 1

关于 set_titles 的一些事情。

首先，默认标题是在 FacetGrid.map 方法中绘制的，所以如果你想更改标题，你必须调用 set_titles 之后 绘图，否则它们将被覆盖。

其次，如果您查看该方法的文档字符串，它不仅仅采用任意标题列表。它提供了一种使用列变量名称和值更改标题呈现方式的方法:

template : string
    Template for all titles with the formatting keys {col_var} and
    {col_name} (if using a `col` faceting variable) and/or {row_var}
    and {row_name} (if using a `row` faceting variable).

因此，获得“有意义的文本”的最简单方法是在数据框中使用有意义的数据。以随机数据为例:

df = pd.DataFrame({'val': np.random.randn(100),
                   'group': np.repeat([0, 1], 50)})

如果您希望“组”为零和一，您应该只更改该列，或创建一个新列:

df["group"] = df["group"].map({0: "zero", 1; "one"})

然后假设您不想在标题中包含变量名称，使用 FacetGrid.set_titles 的正确方法是

g = sns.FacetGrid(data=df, col='group')
g.map(plt.hist, 'val', color='black', lw=0)
g.set_titles('{col_name}')

如果您不想更改正在绘制的数据，则必须直接在 matplotlib 轴上设置属性，例如:

for ax, title in zip(g.axes.flat, ['zero', 'one']):
    ax.set_title(title)

请注意，这不如上述方法可取，因为您必须非常小心地确保列表的顺序正确并且不会改变，而从数据框本身获取信息将是更加健壮。

要绘制平均值，您需要创建一个可以传递给 FacetGrid.map 的小函数。有multiple examples如何在教程中执行此操作。在这种情况下，这很容易:

def vertical_mean_line(x, **kwargs):
    plt.axvline(x.mean(), **kwargs)

然后你只需要重新绘制:

g = sns.FacetGrid(data=df, col='group')
g.map(plt.hist, 'val', color='black', lw=0)
g.map(vertical_mean_line, 'val')
g.set_titles('{col_name}')