Seaborn plot displot with hue 和双 y 尺度 (twinx)

Question

我正在尝试绘制 ML 模型的预测输出，目标有 1,0 类和分数。由于数据集不平衡，所以很少有 1。

当我在色调参数中使用 Target 绘制一个简单的分布图时，该图对于描述 1 是无用的

sns.set_theme()
sns.set_palette(sns.color_palette('rocket', 3))
sns.displot(df, x='Score', hue='Target', bins=30, linewidth=0, height=5, kde=True, aspect=1.6)
plt.show()

我想在同一个图中更改 1 的比例，并在右侧使用 twinx 更改第二个 y 比例。

我尝试了以下代码，可能会解决 2 个图的问题，但 我只需要一个图。我无法使用 twinx。

g = sns.displot(df, x='Score', col='Target', bins=30, linewidth=0, height=5, kde=True, aspect=1.6, facet_kws={'sharey': False, 'sharex': False})
g.axes[0,1].set_ylim(0,400)
plt.show()

g = sns.FacetGrid(df, hue='Target')
g = g.map(sns.displot, 'Score', bins=30, linewidth=0, height=3, kde=True, aspect=1.6)

一个可重复的例子可能是泰坦尼克数据集：

df_ = sns.load_dataset('titanic')
sns.displot(df_, x='fare', hue='survived', bins=30, linewidth=0, height=5, kde=True, aspect=1.6)

g = sns.displot(df_, x='fare', col='survived', bins=30, linewidth=0, height=5, kde=True, aspect=1.6, facet_kws={'sharey': False, 'sharex': False})
g.axes[0,1].set_ylim(0,150)
plt.show()

Answer 1

要比较具有不同观察次数的分布形状，您可以通过设置stat="density" 对其进行归一化。默认情况下，这会使用相同的分母对每个分布进行归一化，但您可以通过设置 common_norm=False 独立地对每个分布进行归一化：

sns.displot(
    titanic, x='fare', hue='survived',
    bins=30, linewidth=0, kde=True,
    stat="density", common_norm=False,
    height=5, aspect=1.6
)

两个分布的峰值不在同一个 y 值上，但这是数据的一个真实特征：幸存者群体分布在更广泛的票价范围内，并且在较低端的聚集度较低。拥有两个独立的 y 轴并缩放它们以使每个分布的峰值高度相等会产生误导。

Answer 2

我不确定，但你在找这个吗？

import seaborn as sns
import matplotlib.pyplot as plt
sns.set()
df_ = sns.load_dataset('titanic')
sns.histplot(df_[df_['survived']==1]['fare'], bins=30, linewidth=0, kde=True, color='red')
ax2 = plt.twinx()
sns.histplot(df_[df_['survived']==0]['fare'], bins=30, linewidth=0, kde=True, ax=ax2, color='blue')