如何在不同类型的 Seaborne / Matplotlib 子图中同步颜色

Question

我正在尝试创建一个包含两个图的子图。第一个图本质上是散点图（我使用的是 regplot），第二个图是直方图。

我的代码如下：

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

data = {'source':['B1','B1','B1','C2','C2','C2'],
        'depth':[1,4,9,1,3,10],
        'value':[10,4,23,78,24,45]}

df = pd.DataFrame(data)

f, (ax1, ax2) = plt.subplots(1,2)

for source in df['source'].unique():

    x = df.loc[df['source'] == source, 'value']
    y = df.loc[df['source'] == source, 'depth']

    sns.regplot(x,
                y,
                scatter = True,
                fit_reg = False,
                label = source,
                ax = ax1)
    ax1.legend()

    sns.distplot(x,
                 bins = 'auto',
                 norm_hist =True,
                 kde = True,
                 rug = True,
                 ax = ax2,
                 label = source)
    ax2.legend()
    ax2.relim()
    ax2.autoscale_view()
plt.show()

结果如下所示。

如您所见，散点图和直方图之间的颜色不同。现在，我玩弄了彩色托盘和所有东西，但没有奏效。谁能解释我如何同步颜色？

谢谢。

Answer 1

使用color 绘图函数参数。在此示例中，您的 for 循环中的当前 seaborn 调色板与要绘制的 itertools.cyclecolors 被一一选择：

import pandas as pd 
import matplotlib.pyplot as plt 
import seaborn as sns 
import itertools
    
data = {'source':['B1','B1','B1','C2','C2','C2'],
        'depth':[1,4,9,1,3,10],
        'value':[10,4,23,78,24,45]}

df = pd.DataFrame(data)

f, (ax1, ax2) = plt.subplots(1,2)

# set palette 
palette = itertools.cycle(sns.color_palette())

# plotting 
for source in df['source'].unique():

    x = df.loc[df['source'] == source, 'value']
    y = df.loc[df['source'] == source, 'depth']

    # color
    c = next(palette)
    sns.regplot(x,
                y,
                scatter = True,
                fit_reg = False,
                label = source,
                ax = ax1,
                color=c)
    ax1.legend()

    sns.distplot(x,
                 bins = 'auto',
                 norm_hist =True,
                 kde = True,
                 rug = True,
                 ax = ax2,
                 label = source,
                 color=c)
    ax2.legend()
    ax2.relim()
    ax2.autoscale_view()

plt.show()

您可以设置自己的color palette，例如this answer

Answer 2

我有一个非常相似的问题。

这是 Serenity 答案的替代方案（突出显示原始代码的新部分）：

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

data = {'source':['B1','B1','B1','C2','C2','C2'],
        'depth':[1,4,9,1,3,10],
        'value':[10,4,23,78,24,45]}

df = pd.DataFrame(data)

f, (ax1, ax2) = plt.subplots(1,2)

palette = sns.color_palette()
for color,source in zip(palette,df['source'].unique()):

      x = df.loc[df['source'] == source, 'value']
      y = df.loc[df['source'] == source, 'depth']

      sns.regplot(x,
                  y,
                  scatter = True,
                  fit_reg = False,
                  label = source,
                  ax = ax1,

                color=color)

      ax1.legend()

      sns.distplot(x,
                   bins = 'auto',
                   norm_hist =True,
                   kde = True,
                   rug = True,
                   ax = ax2,
                   label = source,

                 color=color)

      ax2.legend()
      ax2.relim()
      ax2.autoscale_view()
plt.show()

基本上，通过sns.color_palette() 获取 matplotlib 使用的颜色列表。

循环遍历zip()-ped 对(color, source) 的列表，其中color 在sns.color_palette() 返回的列表中，并在调用sns.xxxplot() 时指定color 作为参数。

Answer 3

利用 hue_order 参数。

来自 seaborn 文档： seaborn.countplot(*, x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, 饱和度=0.75，dodge=True，ax=None，**kwargs)

order, hue_order: 字符串列表，可选 为了绘制分类级别，否则级别是从数据对象中推断出来的

例如：

hue_order = target_0['CODE_GENDER'].unique()

plt.subplot(2,2,1) sns.countplot(x='INCOME_BRACKET', hue ='GENDER',data = df_0,hue_order=hue_order,调色板 = 'mako'); plt.title("非违约者：收入范围 b/w 性别 - 目标 0");

plt.subplot(2,2,2) sns.countplot(x='INCOME_BRACKET', hue ='GENDER',data = df_1,hue_order=hue_order,调色板 = 'mako'); plt.title("违约者：>收入括号 b/w 性别 - 目标 1" );

输出如下：

Two subplots with synced colors

我意识到这是一个老问题。但是，这很简单（不确定之前是否有此选项可用），我在其他任何答案中都找不到，而且由于某种原因这些也不起作用。因此，此答案适用于仍在为此苦苦挣扎的其他人。