pandas - 使用 seaborn 绘图时如何为色调参数指定多个变量？

Question

使用seaborn时，有没有办法可以为hue参数包含多个变量(列)？问这个问题的另一种方法是如何在将数据绘制在单个 x、y 轴图上之前按多个变量对数据进行分组？

我想做类似下面的事情。但是目前我无法为 Hue 参数指定两个变量。:

sns.relplot(x='#', y='Attack', hue=['Legendary', 'Stage'], data=df)

例如，假设我有一个如下所示的 Pandas DataFrame 包含一个 Pokemon database通过 this 获得教程。



我想在 x 轴上绘制 pokedex #，在 y 轴上绘制 Attack。但是，我希望数据按舞台和传奇进行分组。使用 matplotlib，我编写了一个自定义函数，该函数按 ['Legendary','Stage'] 对数据框进行分组，然后遍历每个组进行绘图(请参见下面的结果)。虽然我的自定义函数按预期工作，但我希望这可以通过 seaborn 来实现。我猜肯定还有其他人试图使用 seaborn 在单个图中可视化 3 个以上的变量？

fig, ax = plt.subplots()
grouping_variables = ['Stage','Legendary']
group_1 = df.groupby(grouping_variables)
for group_1_label, group_1_df in group_1:
    ax.scatter(group_1_df['#'], group_1_df['Attack'], label=group_1_label)
ax_legend = ax.legend(title=grouping_variables)    

编辑1:

注意:在我提供的示例中，我按两个变量(例如:Legendary 和 Stage)对数据进行了分组。但是，其他情况可能需要任意数量的变量(例如:5 个变量)。

Answer 1

使用 seaborn.relplot 的色调，考虑将所需的组连接到一个列中，然后在新变量上运行绘图:

def run_plot(df, flds):
   # CREATE NEW COLUMN OF CONCATENATED VALUES
   df['_'.join(flds)] =  pd.Series(df.reindex(flds, axis='columns')
                                     .astype('str')
                                     .values.tolist()
                                  ).str.join('_')

   # PLOT WITH hue
   sns.relplot(x='#', y='Attack', hue='_'.join(flds), data=random_df, aspect=1.5)
   plt.show()

   plt.clf()
   plt.close()

用随机数据演示

数据

import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
import seaborn as sns

### DATA
np.random.seed(22320)
random_df = pd.DataFrame({'#': np.arange(1,501),
                          'Name': np.random.choice(['Bulbasaur', 'Ivysaur', 'Venusaur', 
                                                    'Charmander', 'Charmeleon'], 500),
                          'HP': np.random.randint(1, 100, 500),
                          'Attack': np.random.randint(1, 100, 500),
                          'Defense': np.random.randint(1, 100, 500),
                          'Sp. Atk': np.random.randint(1, 100, 500),
                          'Sp. Def': np.random.randint(1, 100, 500),
                          'Speed': np.random.randint(1, 100, 500),
                          'Stage': np.random.randint(1, 3, 500),
                          'Legend': np.random.choice([True, False], 500)
                          })

地块

run_plot(random_df, ['Legend', 'Stage'])

run_plot(random_df, ['Legend', 'Stage', 'Name'])