如何将平均线和中线添加到 Seaborn 分布图答案

【问题标题】：How to add a mean and median line to a Seaborn displot如何将平均线和中线添加到 Seaborn 分布图
【发布时间】：2021-08-09 07:37:35
【问题描述】：

有没有办法将平均值和中位数添加到 Seaborn 的 displot？

penguins = sns.load_dataset("penguins")
g = sns.displot(
    data=penguins, x='body_mass_g',
    col='species',  
    facet_kws=dict(sharey=False, sharex=False)
)

基于Add mean and variability to seaborn FacetGrid distplots，我看到我可以定义一个FacetGrid 并映射一个函数。我可以将自定义函数传递给displot吗？

尝试直接使用displot 的原因是，这些图开箱即用更漂亮，无需调整刻度标签大小、轴标签大小等，并且在视觉上与我正在制作的其他图一致。

def specs(x, **kwargs):
    ax = sns.histplot(x=x)
    ax.axvline(x.mean(), color='k', lw=2)
    ax.axvline(x.median(), color='k', ls='--', lw=2)

g = sns.FacetGrid(data=penguins, col='species')
g.map(specs,'body_mass_g' )

【问题讨论】：

标签： python matplotlib seaborn histogram

【解决方案1】：

不推荐直接使用FacetGrid。相反，请使用其他图形级别的方法，例如 seaborn.displot
- seaborn.FacetGrid.map 适用于图形级别的方法。
- seaborn: Building structured multi-plot grids
在python 3.8.11、pandas 1.3.2、matplotlib 3.4.3、seaborn 0.11.2中测试

选项 1

使用plt. 而不是ax。
- 在 OP 中，vlines 将转到 ax 为 histplot，但在这里，该图是在 .map 之前创建的。

penguins = sns.load_dataset("penguins")
g = sns.displot(
    data=penguins, x='body_mass_g',
    col='species',  
    facet_kws=dict(sharey=False, sharex=False)
)

def specs(x, **kwargs):
    plt.axvline(x.mean(), c='k', ls='-', lw=2.5)
    plt.axvline(x.median(), c='orange', ls='--', lw=2.5)

g.map(specs,'body_mass_g' )

选项 2

此选项更详细，但更灵活，因为它允许从用于创建displot 的数据源以外的数据源访问和添加信息。

import seaborn as sns
import pandas as pd

# load the data
pen = sns.load_dataset("penguins")

# groupby to get mean and median
pen_g = pen.groupby('species').body_mass_g.agg(['mean', 'median'])

g = sns.displot(
    data=pen, x='body_mass_g',
    col='species',  
    facet_kws=dict(sharey=False, sharex=False)
)
# extract and flatten the axes from the figure
axes = g.axes.flatten()

# iterate through each axes
for ax in axes:
    # extract the species name
    spec = ax.get_title().split(' = ')[1]
    
    # select the data for the species
    data = pen_g.loc[spec, :]
    
    # print data as needed or comment out
    print(data)
    
    # plot the lines
    ax.axvline(x=data['mean'], c='k', ls='-', lw=2.5)
    ax.axvline(x=data['median'], c='orange', ls='--', lw=2.5)

两个选项的输出

资源

另请参阅以下问题/答案，了解将信息添加到 seaborn FacetGrid 的其他方法

【讨论】：

【解决方案2】：

这里可以使用sns.FacetGrid.facet_data 来迭代子图和底层数据的索引。

这与 sns.FacetGrid.map 在底层的工作方式很接近。 sns.FacetGrid.facet_data 是一个生成器，它产生一个包含行、列、色调索引的元组 (i, j, k) 和 data，它是一个 DataFrame，它是与每个方面对应的完整数据的子集。

import seaborn as sns
import pandas as pd


pen = sns.load_dataset("penguins")

# Set our x_var for later use
x_var = "body_mass_g"

g = sns.displot(
    data=pen,
    x=x_var,
    col="species",
    facet_kws=dict(sharey=False, sharex=False),
)

for (row, col, hue_idx), data in g.facet_data():
    # Skip empty data
    if not data.values.size:
        continue

    # Get the ax for `row` and `col`
    ax = g.facet_axis(row, col)
    # Set the `vline`s using the var `x_var`
    ax.axvline(data[x_var].mean(), c="k", ls="-", lw=2.5)
    ax.axvline(data[x_var].median(), c="orange", ls="--", lw=2.5)

哪些输出：

【讨论】：