使用`.sort_values（）`时，此绘图的顺序不正确会发生什么情况？

Question

我很幸运在数据分析中发现了这个错误：

我正在画三个条形图。皮尔逊相关、斯皮尔曼相关，然后是显示每个变量s-P差异的曲线图

为了创建可视化，我使用了以下代码行。特别值得注意的是我使用了agment data=cor.sort_values(by='SomeMeasureHere')

def plot_response_corr(df, features, response, corr_type):

    cor = pd.DataFrame()

    # Measure difference between Spearman's and Pearson's to analyze for non-linearity
    if corr_type == 's-p':

        cor['feature'] = features
        cor['spearman'] = [df[f].corr(df[response], 'spearman') for f in features]
        cor['pearson'] = [df[f].corr(df[response], 'pearson') for f in features]
        cor['comparison'] = cor['spearman'] - cor['pearson']


        fig, axes = plt.subplots(1,3, sharex=True, figsize=(12, 4), )
        [ax.tick_params('x', labelrotation=45) for ax in axes]

        sns.barplot(
            data=cor, 
            x='feature', y='comparison', ax=axes[2]
        ).set_title('S-P Comparison')

        sns.barplot(
            data=cor,
            x='feature', y='spearman', ax=axes[1]
        ).set_title('Spearman Association')

        sns.barplot(
            data=cor,
            x='feature', y='pearson', ax=axes[0]
        ).set_title('Pearson Correlation')

    plt.tight_layout()
    plt.show()

    return cor 

其结果如下：

然而，凭直觉，我决定签出用于绘制这些图的cor数据帧，而不是仅仅放弃它。我发现S-P差异最大的变量实际上是LotArea，而不是GrLivArea。由于某种原因，情节发生了逆转

    feature     spearman    pearson     comparison
0   LotArea     0.456461    0.263843    0.192617
1   GrLivArea   0.731310    0.708624    0.022685
2   GarageArea  0.649379    0.623431    0.025947

为了修复它，我只是删除了.sort_values(by='comparison')参数，它就被修复了。值/条形图现在与正确的变量相关联，但图形是无序的

我想知道：

1. 为什么会发生这种情况？
2. 为什么这只发生在S-P图上？
3. 如何按升序绘制图形，使变量名也按正确的顺序排列？

我很幸运抓到了这个，但我需要帮助修理它。多谢各位

Answer 1

问题不在于对数据帧进行排序，而在于x-ticks特别是参数sharex=True，因为您正在打印到子地块中，它们将共享相同的顺序pearson和spearman顺序相同，因此唯一受影响的是comparison

这应该解决以下问题：

fig, axes = plt.subplots(1,3,figsize=(12, 4), )