Seaborn Factorplot在实际绘图下方生成额外的空图

Question

所有，

我试图使用子图函数和Seaborn库绘制两个Factorplots。我能够使用下面的代码分别绘制两个图。然而，seaborn在实际地块下方产生额外的地块（见下图）。有没有办法避免seaborn产生额外的空图？我尝试了plt.close摆脱情节，但不幸的是它只关闭了1个情节。另外，我试图将情节移出情节并在情节旁边显示传奇。有一个简单的方法来做到这一点。我试过在legend_out包中提供的seaborn，但它没有用。

我的代码：

f,axes=plt.subplots(1,2,figsize=(8,4))

sns.factorplot(x="borough", y="pickups", hue="borough", kind='bar', data=n, size=4, aspect=2,ax=axes[0])

sns.factorplot(x="borough", y="pickups", hue="borough", kind='bar', data=low_pickups, size=4, aspect=2,ax=axes[1])
plt.close(2)
plt.show()

以上代码的输出：

注意：我是python的新手，请提供您的代码说明。

数据帧的输入

#n dataframe
{'borough': {0: 'Bronx', 1: 'Brooklyn', 2: 'EWR', 3: 'Manhattan', 4: 'Queens', 5: 'Staten Island', 6: 'Unknown'}, 'pickups': {0: 50.66705042597283, 1: 534.4312687082662, 2: 0.02417683628827999, 3: 2387.253281142068, 4: 309.35482385447847, 5: 1.6018880957863229, 6: 2.0571804140650674}}
#low_pickups dataframe
{'borough': {2: 'EWR', 5: 'Staten Island', 6: 'Unknown'}, 'pickups': {2: 0.02417683628827999, 5: 1.6018880957863229, 6: 2.0571804140650674}}

Answer 1

请注意，factorplot在更新版本的seaborn中被称为'catplot'。

catplot或factorplot是数字级函数。这意味着它们应该在图形的水平上工作，而不是在轴的水平上工作。

您的代码中发生了什么：

f,axes=plt.subplots(1,2,figsize=(8,4))

• 这创造了'图1'。

sns.factorplot(x="borough", y="pickups", hue="borough", kind='bar', data=n, size=4, aspect=2,ax=axes[0])

• 这创造了'图2'，但你没有画上Figure 2，而是告诉seaborn从axes[0]画Figure 1，所以Figure 2仍然是空的。

sns.factorplot(x="borough", y="pickups", hue="borough", kind='bar', data=low_pickups, size=4, aspect=2,ax=axes[1])

• 现在这又创造了一个数字：Figure 3，在这里，你告诉seaborn在Figure 1，axes[1]的轴上绘制。

plt.close(2)

• 在这里你关闭由seaborn创建的空Figure 2。

所以现在你留下Figure 1与两个轴你有点'注入'factorplot调用和仍然空Figure 3数字是由factorplot的第二次调用创建但从来没有任何内容:(。

plt.show()

• 现在你看到Figure 1有2个轴和Figure 3有一个空的情节。 这是在终端中运行时，在笔记本中你可能只看到一个在另一个下面的两个数字，看起来是一个有3个轴的数字。

---

如何解决这个问题：

你有2个选择：

1. The quick one:

在Figure 3之前关闭plt.show()：

f,axes=plt.subplots(1,2,figsize=(8,4))

sns.factorplot(x="borough", y="pickups", hue="borough", kind='bar', data=n, size=4, aspect=2,ax=axes[0])

sns.factorplot(x="borough", y="pickups", hue="borough", kind='bar', data=low_pickups, size=4, aspect=2,ax=axes[1])
plt.close(2)
plt.close(3)
plt.show()

基本上你是通过提供factorplot提供的“自定义”轴来缩短Figure 1的部分，创建一个图形和轴来绘制。可能不是factorplot的设计目标，但是嘿，如果它有效，它可以工作......而且确实如此。

2. The correct one:

让图形级别功能完成其工作并创建自己的数字。您需要做的是指定要作为列的变量。

由于您似乎有2个数据框，n和low_pickups，您应首先使用列cat或n列中的low_pickups列创建单个数据框：

# assuming n and low_pickups are a pandas.DataFrame:
# first add the 'cat' column for both
n['cat'] = 'n'
low_pickups['cat'] = 'low_pickups'
# now create a new dataframe that is a combination of both
comb_df = n.append(low_pickups)

现在，您可以使用变量sns.catplot作为列，一次调用sns.factorplot（或者在您的情况下为cat）来创建您的数字：

sns.catplot(x="borough", y="pickups", col='cat', hue="borough", kind='bar', sharey=False, data=comb_df, size=4, aspect=1)
plt.legend()
plt.show()

注意：默认情况下需要sharey=Falseis它是真的，你基本上看不到第二个面板中的值，因为它们比第一个面板中的值要小得多。

版本2.然后给出：

您可能仍需要一些样式，但我会留给您;）。

希望这有帮助！

Answer 2

我猜这是因为FactorPlot本身使用子图。

编辑2019-march-10 18:43 GMT：从seaborn source code for categorical.py证实：catplot（和factorplot）使用matplotlib子图。 @Jojo的回答完美地解释了发生了什么

def catplot(x=None, y=None, hue=None, data=None, row=None, col=None,
            col_wrap=None, estimator=np.mean, ci=95, n_boot=1000,
            units=None, order=None, hue_order=None, row_order=None,
            col_order=None, kind="strip", height=5, aspect=1,
            orient=None, color=None, palette=None,
            legend=True, legend_out=True, sharex=True, sharey=True,
margin_titles=False, facet_kws=None, **kwargs):
    ... # bunch of code
    g = FacetGrid(**facet_kws) # uses subplots

和包含FacetGrid定义的axisgrid.py源代码：

class FacetGrid(Grid):
    def __init(...):
        ... # bunch of code
        # Build the subplot keyword dictionary
        subplot_kws = {} if subplot_kws is None else subplot_kws.copy()
        gridspec_kws = {} if gridspec_kws is None else gridspec_kws.copy()
        # bunch of code
        fig, axes = plt.subplots(nrow, ncol, **kwargs)

所以是的，你在不知道它的情况下创建了很多子图，并用qazxsw poi参数搞砸了它们。 @Jojo是对的。

---

以下是一些其他选项：

选项1 ax=...

选项2

请注意，factorplot在较高的seaborn版本中已被弃用。

控制台输出：

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

print(pd.__version__)
print(sns.__version__)
print(matplotlib.__version__)

# n dataframe
n = pd.DataFrame(
    {'borough': {0: 'Bronx', 1: 'Brooklyn', 2: 'EWR', 3: 'Manhattan', 4: 'Queens', 5: 'Staten Island', 6: 'Unknown'},
     'kind': {0: 'n', 1: 'n', 2: 'n', 3: 'n', 4: 'n', 5: 'n', 6: 'n'},
     'pickups': {0: 50.66705042597283, 1: 534.4312687082662, 2: 0.02417683628827999, 3: 2387.253281142068,
                 4: 309.35482385447847, 5: 1.6018880957863229, 6: 2.0571804140650674}})
# low_pickups dataframe
low_pickups = pd.DataFrame({'borough': {2: 'EWR', 5: 'Staten Island', 6: 'Unknown'},
                            'kind': {0: 'low_pickups', 1: 'low_pickups', 2: 'low_pickups', 3: 'low_pickups',
                                     4: 'low_pickups', 5: 'low_pickups', 6: 'low_pickups'},
                            'pickups': {2: 0.02417683628827999, 5: 1.6018880957863229, 6: 2.0571804140650674}})

new_df = n.append(low_pickups).dropna()

print(n)
print('--------------')
print(low_pickups)
print('--------------')
print(new_df)

g = sns.FacetGrid(data=new_df, col="kind", hue='kind', sharey=False)
g.map(sns.barplot, "borough", "pickups", order=sorted(new_df['borough'].unique()))
plt.show()

或试试这个：

0.24.1
0.9.0
3.0.2
         borough kind      pickups
0          Bronx    n    50.667050
1       Brooklyn    n   534.431269
2            EWR    n     0.024177
3      Manhattan    n  2387.253281
4         Queens    n   309.354824
5  Staten Island    n     1.601888
6        Unknown    n     2.057180
--------------
         borough         kind   pickups
0            NaN  low_pickups       NaN
1            NaN  low_pickups       NaN
2            EWR  low_pickups  0.024177
3            NaN  low_pickups       NaN
4            NaN  low_pickups       NaN
5  Staten Island  low_pickups  1.601888
6        Unknown  low_pickups  2.057180
--------------
         borough         kind      pickups
0          Bronx            n    50.667050
1       Brooklyn            n   534.431269
2            EWR            n     0.024177
3      Manhattan            n  2387.253281
4         Queens            n   309.354824
5  Staten Island            n     1.601888
6        Unknown            n     2.057180
2            EWR  low_pickups     0.024177
5  Staten Island  low_pickups     1.601888
6        Unknown  low_pickups     2.057180

我不得不使用y log scale，因为数据值在很大的范围内非常分散。你可以考虑做类别（参见大熊猫的剪辑）

编辑2019-march-10 18:43 GMT：正如@Jojo在答案中所述，最后一个选项确实是：

g = sns.barplot(data=new_df, x="kind", y="pickups", hue='borough')#, order=sorted(new_df['borough'].unique()))
g.set_yscale('log')

没有时间完成研究，所以所有的功劳归于他！