点颜色表示seaborn FacetGrid中连续变量的散点图

Question

我正在尝试使用python中的seaborn生成多面板图形，我希望多面板图形中的点的颜色由一个连续变量指定。下面是一个我正在尝试使用“iris”数据集的示例：

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt
iris = sns.load_dataset('iris')

g = sns.FacetGrid(iris, col = 'species', hue = 'petal_length', palette = 'seismic')
g = g.map(plt.scatter, 'sepal_length', 'sepal_width', s = 100, alpha = 0.5)
g.add_legend()

这将生成下图：

这很好，但传说太长了。我想抽样大约1/4的这些值（理想情况下）或限制显示一个彩色条。 例如，这样的事情可能是可以接受的，但我还是想把它分成三个物种。

plt.scatter(iris.sepal_length, iris.sepal_width, alpha = .8, c = iris.petal_length, cmap = 'seismic')
cbar = plt.colorbar()

你知道我怎样才能充分利用这两个情节吗？

编辑： 这个话题似乎是个好的开始。

https://github.com/mwaskom/seaborn/issues/582

不知何故，对于这个用户来说，在其他所有运行之后简单地添加plt.colorbar似乎是可行的。但在这种情况下似乎没有帮助。

Answer 1

FacetGridhue是分类的，不是连续的。为FacetGrid中的散点图获取连续的颜色映射需要一点工作（与链接Github问题中的imshow不同，matplotlib不保留对“当前活动散点图映射器”的引用，因此对plt.colorbar的魔法调用不会获取应用于点颜色的映射）。

g = sns.FacetGrid(iris, col='species', palette = 'seismic')

def facet_scatter(x, y, c, **kwargs):
    """Draw scatterplot with point colors from a faceted DataFrame columns."""
    kwargs.pop("color")
    plt.scatter(x, y, c=c, **kwargs)

vmin, vmax = 0, 7
cmap = sns.diverging_palette(240, 10, l=65, center="dark", as_cmap=True)

g = g.map(facet_scatter, 'sepal_length', 'sepal_width', "petal_length",
          s=100, alpha=0.5, vmin=vmin, vmax=vmax, cmap=cmap)

# Make space for the colorbar
g.fig.subplots_adjust(right=.92)

# Define a new Axes where the colorbar will go
cax = g.fig.add_axes([.94, .25, .02, .6])

# Get a mappable object with the same colormap as the data
points = plt.scatter([], [], c=[], vmin=vmin, vmax=vmax, cmap=cmap)

# Draw the colorbar
g.fig.colorbar(points, cax=cax)

Answer 2

既然你问的是一个关于散布的传说，你可以修改@mwaskom的解决方案，生成一个散布点如下的传说：

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
iris = sns.load_dataset('iris')

g = sns.FacetGrid(iris, col='species', palette = 'seismic')

def facet_scatter(x, y, c, **kwargs):
    kwargs.pop("color")
    plt.scatter(x, y, c=c, **kwargs)

vmin, vmax = 0, 7
cmap = plt.cm.viridis

norm=plt.Normalize(vmin=vmin, vmax=vmax)

g = g.map(facet_scatter, 'sepal_length', 'sepal_width', "petal_length",
          s=100, alpha=0.5, norm=norm, cmap=cmap)

# Make space for the colorbar
g.fig.subplots_adjust(right=.9)

lp = lambda i: plt.plot([], color=cmap(norm(i)), marker="o", ls="", ms=10, alpha=0.5)[0]
labels = np.arange(0,7.5,0.5)
h = [lp(i) for i in labels]
g.fig.legend(handles=h, labels=labels, fontsize=9)

plt.show()