使用 func 使用自定义 df（或列表）注释每个 FacetGrid 子图答案

【问题标题】：Annotate each FacetGrid subplot using custom df (or list) using a func使用 func 使用自定义 df（或列表）注释每个 FacetGrid 子图
【发布时间】：2022-08-06 01:33:12
【问题描述】：

考虑以下数据和 FacetGrid：

d = {\'SITE\':[\'A\', \'B\', \'C\', \'C\', \'A\'], \'VF\':[0.00, 0.78, 0.99, 1.00, 0.50],\'TYPE\':[\'typeA\', \'typeA\', \'typeB\', \'typeC\', \'typeD\']} 
new_df = pd.DataFrame(data=d) 


with sns.axes_style(\"white\"):
    g = sns.FacetGrid(data=new_df, col=\'SITE\', col_wrap= 3, height=7, aspect=0.25, 
                      hue=\'TYPE\', palette=[\'#1E88E5\', \'#FFC107\', \'#D81B60\'])
    g.map(sns.scatterplot, \'VF\', \'TYPE\', s=100)

使用另一个dataframe：

d = {\'SITE\':[\'A\', \'B\', \'C\'], \'N\':[10, 5, 7]} 

ann_df = pd.DataFrame(data=d)

其中SITE 与原始new_df[\'SITE\'] 匹配，和与new_df[\'SITE\'] 的维度不同，但在FacetGrid 中有columns 的对应长度。

你如何 annotate 每个 subplot 使用自定义 func 使用不是散点图new_df，但ann_df 或自定义list，如果它匹配原始new_df[\'SITE\'] 并将ann_df[\'N\'] 添加到每个子图，如下所示：

所以，沿着这些路线或更好的东西：

def annotate(data, **kws):
n = data           # should be the int for each matching SITE 
ax = plt.gca()
ax.text(.1, .2, f\"N = {n}\", transform=ax.transAxes)

g.map_dataframe(annotate(ann_df))

标签： python-3.x pandas matplotlib seaborn plot-annotations

【解决方案1】：

建议从seaborn v0.11.0 使用像seaborn.relplot 这样的图形级函数，而不是seaborn.FacetGrid
col= 使用的值将默认按字母顺序绘制，否则使用col_order= 指定顺序，然后确保ann_df['SITE'] 按相同顺序排序。
将sns.relplot 返回的seaborn.axisgrid.FacetGrid 展平，遍历matplotlib.axes，并使用i from enumerate 和.iloc 将.text 添加到每个绘图中，以索引@987654341 的正确值@。
与answer 类似，但从辅助DataFrame 而不是dict 获取数据。
在python 3.10、pandas 1.4.2、matplotlib 3.5.1、seaborn 0.11.2 中测试

import seaborn as sns
import pandas as pd

# DataFrame 1
d1 = {'SITE':['A', 'B', 'C', 'C', 'A'],
      'VF':[0.00, 0.78, 0.99, 1.00, 0.50],
      'TYPE':['typeA', 'typeA', 'typeB', 'typeC', 'typeD']} 
df = pd.DataFrame(data=d1)

# DataFrame 2
d2 = {'SITE':['A', 'B', 'C'], 'N':[10, 5, 7]} 
ann_df = pd.DataFrame(data=d2) 

# plot
g = sns.relplot(kind='scatter', data=df, x='VF', y='TYPE', col='SITE',
                col_wrap=3, height=7, aspect=0.5, hue='TYPE', s=100)

# flatten axes into a 1-d array
axes = g.axes.flatten()

# iterate through the axes
for i, ax in enumerate(axes):
    ax.text(0, 3, f"N = {ann_df.iloc[i, 1]}")

【讨论】：