将一个没有数据的类别添加到 seaborn 的绘图中

Question

我正在将一些数据绘制成这样的猫图：

ax = sns.catplot(x='Kind', y='VAF', hue='Sample', jitter=True, data=df, legend=False)

麻烦的是'VAF'的某些类别不包含数据，并且相应的标签没有添加到情节中。有没有办法保留标签但不为其绘制任何点？

这里有一个可重现的例子来帮助解释：

x=pd.DataFrame({'Data':[1,3,4,6,3,2],'Number':['One','One','One','One','Three','Three']})
plt.figure()
ax = sns.catplot(x='Number', y='Data', jitter=True, data=x)

在此图中，您可以看到在 x 轴上显示样本一和三。但是想象一下，还有一个样本 2，其中没有数据点。如何在 x 轴上显示一、二和三？

Answer 1

订单参数

当然，需要知道哪些类别是预期的。给定一个预期类别列表，可以使用order 参数来提供预期类别。

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

df = pd.DataFrame({'Data':[1,3,4,6,3,2],
                   'Number':['One','One','One','One','Three','Three']})

exp_cats = ["One", "Two", "Three"]

ax = sns.stripplot(x='Number', y='Data', jitter=True, data=df, order=exp_cats)

plt.show()

替代方案

以上内容适用于 matplotlib 2.2.3，但不适用于 3.0。它再次适用于当前的开发版本（因此为 3.1）。目前，有以下选择：

A.循环遍历类别

给定一个预期类别的列表，您可以遍历它们并绘制每个类别的散点图。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({'Data':[1,3,4,6,3,2],
                   'Number':['One','One','One','One','Three','Three']})

exp_cats = ["One", "Two", "Three"]

for i, cat in enumerate(exp_cats):
    cdf = df[df["Number"] == cat]
    x = np.zeros(len(cdf))+i+.2*(np.random.rand(len(cdf))-0.5)
    plt.scatter(x, cdf["Data"].values)
plt.xticks(range(len(exp_cats)), exp_cats)

plt.show()

B.将类别映射到数字。

您可以将预期类别映射到数字并绘制数字而不是类别。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({'Data':[1,3,4,6,3,2],
                   'Number':['One','One','One','One','Three','Three']})

exp_cats = ["One", "Two", "Three"]

df["IntNumber"] = df["Number"].map(dict(zip(exp_cats, range(len(exp_cats)))))

plt.scatter(df["IntNumber"] + .2*(np.random.rand(len(df))-0.5), df["Data"].values,
            c = df["IntNumber"].values.astype(int))
plt.xticks(range(len(exp_cats)), exp_cats)

plt.show()

C.将缺失的类别附加到数据框

最后，您可以将 nan 值附加到数据框中，以确保每个预期的类别都出现在其中。

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

df = pd.DataFrame({'Data':[1,3,4,6,3,2],
                   'Number':['One','One','One','One','Three','Three']})

exp_cats = ["One", "Two", "Three"]

dfa = df.append(pd.DataFrame({'Data':[np.nan]*len(exp_cats), 'Number':exp_cats}))

ax = sns.stripplot(x='Number', y='Data', jitter=True, data=dfa, order=exp_cats)

plt.show()