散点图，点颜色代表seaborn FacetGrid中的连续变量

Question

我正在尝试使用 python 中的seaborn 生成多面板图形，并且我希望多面板图形中的点的颜色由连续变量指定。这是我尝试对“iris”数据集执行的操作的示例：

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()

这样就形成了下图：

这很好，但传说太长了。我想抽取这些值的 1/4（理想情况下）或禁止显示颜色条。 例如，这样的事情可能是可以接受的，但我仍然想将其分为三个物种。

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

知道如何充分利用这两个图吗？

编辑： 这个话题似乎是一个好的开始。

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

不知何故，对于该用户来说，在其他所有内容运行之后简单地附加 plt.colorbar 似乎以某种方式起作用。但在这种情况下似乎没有帮助。

Answer 1

FacetGrid

hue

是绝对的，不是连续的。需要做一些工作才能获得

FacetGrid

中散点图的连续颜色图（与链接的 Github 问题中的

imshow

不同，matplotlib 不会保留对“当前活动散点图映射器”的引用，因此对

plt.colorbar

的魔术调用不会拾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

由于您询问的是散点图例，因此可以采用 @mwaskom 的解决方案来生成具有散点的图例，如下所示：

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()

Answer 3

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams["figure.figsize"] = [7.50, 3.50]

plt.rcParams["figure.autolayout"] = True

x, y, z = np.random.rand(3, 50)

f, ax = plt.subplots()

points = ax.scatter(x, y, c=z, s=50, cmap="plasma")

f.colorbar(points)

plt.show()