在循环内创建子图，生成 Seaborn 散点图

Question

我需要在子图中绘制 7 个图表，而不是 7 个单独的图，并且不确定如何将子图添加到其中，而不必手动绘制每个图的子图，而不是在循环中

这是我的代码片段：

year = ['2018','2019','2020','2021','2022','2023','2024']
for Year in year:
    palette = {
    'Q1': 'tab:blue',
    'Q2': 'tab:green',
    'Q3': 'tab:orange',
    'Q4': 'tab:red',
    }
    sns.scatterplot(data=dfSumDate.loc[Year], x='Temperature', 
    y='MeanEnergy', hue='Season', palette=palette)

    plt.ylim(0,120)
    plt.xlim(-5,30)
    plt.title(Year)
    plt.show()

最好将它们绘制在 4x2 网格中，谢谢

Answer 1

这会将

seaborn

图放置在 4x2 网格上。最后有一些额外的代码来制作包含所有标签的单个图例，因为我无法使用其他方式以这种方式格式化图例。

测试数据：

import seaborn as sns
from matplotlib import pyplot as plt

#Test data
year = ['2018','2019','2020','2021','2022','2023','2024']
dfSumDate = pd.DataFrame(
    {'MeanEnergy': range(1, 22),
     'Temperature': range(10, 220, 10),
     'Season': ['Q1', 'Q2', 'Q3', 'Q4', 'Q1', 'Q2', 'Q3'] * 3,
     },
    index=year * 3,
).sort_index()

绘图：

palette = {
    'Q1': 'tab:blue',
    'Q2': 'tab:green',
    'Q3': 'tab:orange',
    'Q4': 'tab:red',
}

f = plt.figure(figsize=(5, 8), layout='tight')
for i, Year in enumerate(year):
    ax = f.add_subplot(4, 2, i + 1) #create subplot on 4x2 grid
    sns.scatterplot(
        data=dfSumDate.loc[Year],
        x='Temperature', 
        y='MeanEnergy',
        hue='Season',
        palette=palette,
        legend=False,
        ax=ax
    )

    plt.title(Year, fontsize=11)

#Additional code for a single legend with no duplicates
from matplotlib.lines import Line2D
f.legend(
    handles=[Line2D([], [], marker='o', ls='none', color=c) for c in palette.values()],
    labels=palette.keys(),
    bbox_to_anchor=(0.85, 0.23)
)
plt.show()

Answer 2

使用 Seaborn 的 FacetGrid

自动创建子图的最简单方法是通过 Seaborn 的

FacetGrid

。

sns.relplot(...)

为散点图创建这样的网格。为此，

'Year'

需要是数据帧的显式列。

这是一些示例代码：

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

year = ['2018', '2019', '2020', '2021', '2022', '2023', '2024']

dfSumDate = pd.DataFrame({'Season': np.random.choice(['Q1', 'Q2', 'Q3', 'Q4'], 1000),
                          'Temperature': np.random.randint(10, 30, 1000),
                          'MeanEnergy': np.random.uniform(10, 100, 1000)},
                         index=np.random.choice(year, 1000))

palette = {'Q1': 'tab:blue', 'Q2': 'tab:green', 'Q3': 'tab:orange', 'Q4': 'tab:red'}

# Convert the index to an real column
dfSumDate.index.name = 'Year'
dfSumDateWithYear = dfSumDate.reset_index()

sns.relplot(data=dfSumDateWithYear, col='Year', col_wrap=4, height=3, aspect=1,
            x='Temperature', y='MeanEnergy', hue='Season', palette=palette)

plt.show()

使用

ax=

关键字

或者，Seaborn 的“轴级别”函数接受

ax=

关键字，您可以在其中设置需要绘制绘图的子图（“ax”）：

fig = plt.figure(figsize=(10, 6))
for i, Year in enumerate(year):
    ax = plt.subplot(2, 4, i + 1)
    sns.scatterplot(data=dfSumDate.loc[Year], x='Temperature',
                    y='MeanEnergy', hue='Season', palette=palette, ax=ax)

    ax.set_ylim(0, 120)
    ax.set_xlim(-5, 30)
    ax.set_title(Year)
plt.tight_layout()
plt.show()