为使用 matplotlib 绘制的 seaborn Pairgrid 对象中的每个子图设置 x 标签答案

【问题标题】：Setting xlabels for each suplot in a seaborn Pairgrid object plotted using matplotlib为使用 matplotlib 绘制的 seaborn Pairgrid 对象中的每个子图设置 x 标签
【发布时间】：2023-01-09 18:50:11
【问题描述】：

我正在尝试为 seaborn pairgrid 对象中的每个子图设置单独的 xlabels，但该图不会更新，只显示最底部图的 xlabels。

g = sns.PairGrid(dat,x_vars = inputs, y_vars = outputs, hue = 'variable')

def scatter_plt(x, y, *a, **kw):
    if x.equals(y):
        kw["color"] = (0, 0, 0, 0)
    plt.scatter(x, y,*a, **kw)
    plt.xticks(rotation=90)
    plt.subplots_adjust(wspace=0.4, hspace=0.4)
        
g.map(scatter_plt)

我尝试了以下但它没有用，因为我看到了与以前相同的情节。

xlabels,ylabels = [],[]

for ax in g.axes[-1,:]:
    xlabel = ax.xaxis.get_label_text()
    xlabels.append(xlabel)
for ax in g.axes[:,0]:
    ylabel = ax.yaxis.get_label_text()
    ylabels.append(ylabel)

for i in range(len(xlabels)):
    for j in range(len(ylabels)):
        g.axes[j,i].xaxis.set_label_text(xlabels[i])
        g.axes[j,i].yaxis.set_label_text(ylabels[j])

【问题讨论】：

标签： python matplotlib plot seaborn subplot

【解决方案1】：

Seaborn 将这些内部标签设置为不可见，因此您明确需要再次将它们设置为可见。

这是代码的样子。一些细节也发生了变化：

Seaborn 有一些示例数据集可用于快速测试。在这里，iris 数据集用于轻松重现。
plt.subplots_adjust(...)只需要调用一次，因为它改变了整个数字。与 plt.subplot_adjust() 不同，plt.tight_layout() 通常更容易工作，因为它会尝试优化所有距离。
通过list comprehension 分配xlabels 和ylabels 不仅可以缩短代码，还可以防止错误并使事情更容易更改。
基于类似的推理，在 Python 中建议尽量减少显式索引的使用。这就是为什么经常看到诸如 for i, xlabel in enumerate(xlabels) 之类的结构的原因。

import matplotlib.pyplot as plt
import seaborn as sns

iris = sns.load_dataset('iris')
g = sns.PairGrid(iris, x_vars=iris.columns[0:4], y_vars=iris.columns[0:3], hue='species')

def scatter_plt(x, y, *a, **kw):
    if not x.equals(y):
        plt.scatter(x, y, *a, **kw)
    plt.tick_params(axis='x', rotation=90)

g.map(scatter_plt)

xlabels = [ax.xaxis.get_label_text() for ax in g.axes[-1, :]]
ylabels = [ax.yaxis.get_label_text() for ax in g.axes[:, 0]]

for i, xlabel in enumerate(xlabels):
    for j, ylabel in enumerate(ylabels):
        g.axes[j, i].set_xlabel(xlabel, visible=True)
        g.axes[j, i].set_ylabel(ylabel, visible=True)

plt.tight_layout()
plt.show()

【讨论】：