python - 使用不对称的自定义误差线按组制作seaborn.barplot

Question

我有一个 Pandas 数据框，其中有几个组列，如下所示。

gr1 grp2 variables  lb     m       ub
 A   A1      V1     1.00   1.50    2.5           
 A   A2      V2     1.50   2.50    3.5         
 B   A1      V1     3.50   14.50   30.5           
 B   A2      V2     0.25   0.75    1.0

我正在尝试使用FacetGrid为variables中的每个变量获取单独的子条形图。我正在尝试构建我需要的最终图，如下所示。

这就是我到目前为止所拥有的。

g = sns.FacetGrid(df, col="variables", hue="grp1")
g.map(sns.barplot, 'grp2', 'm', order=times)

但不幸的是，这是堆叠我所有的数据点。

我应该如何使用 Seaborn 做到这一点？

更新:以下代码很大程度上完成了我的任务，但目前不显示 yerr。

g = sns.factorplot(x="Grp2", y="m", hue="Grp1", col="variables", data=df, kind="bar", size=4, aspect=.7, sharey=False)

如何将 lb 和 ub 合并为因子图上的误差线？

Answer 1

在我们开始之前，我要提一下，matplotlib 要求误差是相对于数据的，而不是绝对边界。因此，我们将修改数据框以通过减去相应的列来解释这一点。

u = u"""grp1 grp2 variables  lb     m       ub
A   A1      V1     1.00   1.50    2.5           
A   A2      V2     1.50   2.50    3.5         
B   A1      V1     7.50   14.50   20.5           
B   A2      V2     0.25   0.75    1.0
A   A2      V1     1.00   6.50    8.5           
A   A1      V2     1.50   3.50    6.5         
B   A2      V1     3.50   4.50   15.5           
B   A1      V2     8.25   12.75  13.9"""

import io
import pandas as pd

df = pd.read_csv(io.StringIO(u), delim_whitespace=True)
# errors must be relative to data (not absolute bounds)
df["lb"] = df["m"]-df["lb"]
df["ub"] = df["ub"]-df["m"]

现在有两种解决方案，本质上是一样的。让我们从一个不使用seaborn，而是使用pandas绘图包装器的解决方案开始(稍后会清楚原因)。

不使用 Seaborn

Pandas 允许使用每列属于或构成一组的数据框来绘制分组条形图。因此要采取的步骤是

1. 根据不同变量的数量创建多个子图。
2. groupby 按变量分组的日期框
3. 为每个组创建一个透视数据框，其中将 grp1 的值作为列，将 m 的值作为值。对两个错误列执行相同的操作。
4. 应用 How add asymmetric errorbars to Pandas grouped barplot? 中的解决方案

代码将如下所示:

import io
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv(io.StringIO(u), delim_whitespace=True)
# errors must be relative to data (not absolute bounds)
df["lb"] = df["m"]-df["lb"]
df["ub"] = df["ub"]-df["m"]

def func(x,y,h,lb,ub, **kwargs):
    data = kwargs.pop("data")
    # from https://stackoverflow.com/a/37139647/4124317
    errLo = data.pivot(index=x, columns=h, values=lb)
    errHi = data.pivot(index=x, columns=h, values=ub)
    err = []
    for col in errLo:
        err.append([errLo[col].values, errHi[col].values])
    err = np.abs(err)
    p = data.pivot(index=x, columns=h, values=y)
    p.plot(kind='bar',yerr=err,ax=plt.gca(), **kwargs)

fig, axes = plt.subplots(ncols=len(df.variables.unique()))
for ax, (name, group) in zip(axes,df.groupby("variables")):
    plt.sca(ax)
    func("grp2", "m", "grp1", "lb", "ub", data=group, color=["limegreen", "indigo"])
    plt.title(name)

plt.show()

使用Seaborn

Seaborn 因子图不允许自定义误差条。因此，需要使用 FaceGrid 方法。为了不让条形堆叠，可以将 hue 参数放入 map 调用中。因此，以下内容相当于问题中的 sns.factorplot 调用。

g = sns.FacetGrid(data=df, col="variables", size=4, aspect=.7 ) 
g.map(sns.barplot, "grp2", "m", "grp1", order=["A1","A2"] )

现在的问题是，我们无法从外部将错误栏放入条形图中，或更重要的是，我们无法将分组条形图的错误提供给 seaborn.barplot。对于非分组条形图，可以通过 yerr 参数提供错误，该参数被传递到 matplotlib plt.bar 图中。这个概念显示在this question中。 。但是，由于 seaborn.barplot 多次调用 plt.bar，每个 hue 调用一次，因此每次调用中的错误将是相同的(或它们的尺寸不匹配)。

因此，我看到的唯一选择是使用 FacetGrid 并将与上面使用的函数完全相同的映射到它。这在某种程度上使得seaborn的使用变得过时，但为了完整起见，这里是FacetGrid解决方案。

import io
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.read_csv(io.StringIO(u), delim_whitespace=True)
# errors must be relative to data (not absolute bounds)
df["lb"] = df["m"]-df["lb"]
df["ub"] = df["ub"]-df["m"]

def func(x,y,h,lb,ub, **kwargs):
    data = kwargs.pop("data")
    # from https://stackoverflow.com/a/37139647/4124317
    errLo = data.pivot(index=x, columns=h, values=lb)
    errHi = data.pivot(index=x, columns=h, values=ub)
    err = []
    for col in errLo:
        err.append([errLo[col].values, errHi[col].values])
    err = np.abs(err)
    p = data.pivot(index=x, columns=h, values=y)
    p.plot(kind='bar',yerr=err,ax=plt.gca(), **kwargs)

g = sns.FacetGrid(df, col="variables", size=4, aspect=.7,  ) 
g.map_dataframe(func, "grp2", "m", "grp1", "lb", "ub" , color=["limegreen", "indigo"]) 
g.add_legend()

plt.show()