模拟已弃用的seaborn distplots

Question

Seaborn

distplot

现已弃用，并将在未来版本中删除。建议使用

histplot

（或

displot

作为图形级图）作为替代方案。但

distplot

和

histplot

之间的预设有所不同：

from matplotlib import pyplot as plt
import pandas as pd
import seaborn as sns

x_list = [1, 2, 3, 4, 6, 7, 9, 9, 9, 10]
df = pd.DataFrame({"X": x_list, "Y": range(len(x_list))})

f, (ax_dist, ax_hist) = plt.subplots(2, sharex=True)

sns.distplot(df["X"], ax=ax_dist)
ax_dist.set_title("old distplot")
sns.histplot(data=df, x="X", ax=ax_hist)
ax_hist.set_title("new histplot")

plt.show()

那么，我们如何配置

histplot

来复制已弃用的

distplot

的输出？

Answer 1

因为我在这方面花了一些时间，所以我想我分享这个以便其他人可以轻松地采用这种方法：

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

x_list = [1, 2, 3, 4, 6, 7, 9, 9, 9, 10]
df = pd.DataFrame({"X": x_list, "Y": range(len(x_list))})

f, (ax_dist, ax_hist) = plt.subplots(2, sharex=True)

sns.distplot(df["X"], ax=ax_dist)
ax_dist.set_title("old distplot")
_, FD_bins = np.histogram(x_list, bins="fd")
bin_nr = min(len(FD_bins)-1, 50)
sns.histplot(data=df, x="X", ax=ax_hist, bins=bin_nr, stat="density", alpha=0.4, kde=True, kde_kws={"cut": 3})
ax_hist.set_title("new histplot")

plt.show()

输出示例：

主要变化是

• bins=bin_nr

  - 使用 Freedman 确定直方图箱 Diaconis Estimator 并将上限限制为 50

• stat="density"

  - 在直方图中显示密度而不是计数

• alpha=0.4

  - 相同的透明度

• kde=True

  - 添加核密度图

• kde_kws={"cut": 3}

  - 将核密度图扩展到直方图限制之外

关于

bins="fd"

的bin估计，我不确定这确实是

distplot

使用的方法。欢迎评论和指正。

我删除了

**{"linewidth": 0}

，因为正如 @mwaskom 在评论中指出的那样，

distplot

在直方图条周围有一条

edgecolor

线，可以通过 matplotlib 将其设置为默认的

facecolor

。所以，你必须根据你的风格偏好来解决这个问题。

Answer 2

#使用 histplot() #histplot 用于单变量

将seaborn导入为sns 将 matplotlib.pyplot 导入为 plt

fig = sns.FacetGrid(data = data, col = '变量名称',hue = '变量名称',heigth = 9,palette = 'Set1')

fig = Fig.map(sns.histplot, 变量名, kde = True).add_legend()