如何绘制散点图，其中包含针对某个类别的值并按不同类别着色

Question

我有一个 Python Pandas 数据框，格式如下：

gender	disease1	disease2
male	0.82	0.76
female	0.75	0.93
......	....	....

我希望在 Python（matplotlib 或 plotly express 等）中绘制它，使其看起来像这样：

如何重构我的数据框和/或使用 python 可视化库来实现此结果？

Answer 1

您可以在 Plotly 中创建一个散点图，其中disease1 位于 x=0，disease2 位于 x=1... 等等更多疾病，然后rename the tickmarks，并设置颜色和标记的偏移量取决于性别。

制作此图的最动态方法是在按疾病和性别对 DataFrame 进行切片时添加数据（我在 DataFrame 中添加了更多点，以证明您可以将 DataFrame 保持在相同的格式并实现所需的情节）：

import pandas as pd
import plotly.graph_objects as go

df = pd.DataFrame({'gender':['male','female','male','female'],'disease1':[0.82,0.75,0.60,0.24],'disease2':[0.76,0.93,0.51,0.44]})


fig = go.Figure()
offset = {'male': -0.1, 'female': 0.1}
marker_color_dict = {'male': 'teal', 'female':'pink'}

## set yaxis range
values = df[['disease1','disease2']].values.reshape(-1)
padding = 0.1
fig.update_yaxes(range=[min(values) - padding, 1.0])

for gender in ['male','female']:
    for i, disease in enumerate(['disease1','disease2']):
        ## ensure that 
        if gender == 'male' and i == 0:
            showlegend=True
        elif gender == 'female' and i == 0:
            showlegend=True
        else:
            showlegend=False
        fig.add_trace(go.Scatter(
            x=[i + offset[gender]]*len(df.loc[df['gender'] == gender, 'disease1'].values), 
            y=df.loc[df['gender'] == gender, disease].values,
            mode='markers',
            marker=dict(color=marker_color_dict[gender], size=20),
            legendgroup=gender,
            name=gender,
            showlegend=showlegend
        ))
fig.update_layout(
    xaxis = dict(
        tickmode = 'array',
        tickvals = [0.0,1.0],
        ticktext = ['disease1','disease2']
    )
)
fig.show()

Answer 2

• 最简单的选择是将seaborn.catplot 与kind='swarm' 或kind='strip' 一起使用。
  • seaborn 是 matplotlib 的高级 API
  • seaborn: Plotting with categorical data
  • 'swarm' 用非重叠点绘制分类散点图，但如果点很多，请考虑使用'strip'。
• 使用pandas.DataFrame.melt 将数据框从宽格式改成长格式，然后进行绘图。
  • 顺便说一句，这只是两行代码，(1) 融化，和 (2) 绘图
• 在python 3.8.11、pandas 1.3.2、matplotlib 3.4.3、seaborn 0.11.2中测试

import pandas as pd
import numpy as np  # only for sample data
import seaborn as sns

np.random.seed(365)
rows = 200
data = {'Gender': np.random.choice(['Male', 'Female'], size=rows),
        'Cancer': np.random.rand(rows).round(2),
        'Covid-19': np.random.rand(rows).round(2)}
df = pd.DataFrame(data)

# display(df.head())
   Gender  Cancer  Covid-19
0    Male    0.82      0.88
1    Male    0.02      0.95
2  Female    0.28      0.92
3  Female    0.55      0.28
4    Male    0.15      0.46

# convert to long form
data = df.melt(id_vars='Gender', var_name='Disease')

# display(data.head())
   Gender Disease  value
0    Male  Cancer   0.82
1    Male  Cancer   0.02
2  Female  Cancer   0.28
3  Female  Cancer   0.55
4    Male  Cancer   0.15

# plot
sns.catplot(data=data, x='Disease', y='value', hue='Gender', kind='swarm', palette=['blue', 'pink'], s=4)