代码之家 › 专栏 › 技术社区 › Noah J

将Seaborn/Matplotlib计数图的y轴范围设置为高于/低于最大和最小数据点的指定范围

countplot exploratory-data-analysis yaxis seaborn range

0

Noah J · 技术社区 · 1 年前

我正在为一个机器学习项目做EDA,并正在用Seaborn绘制一个计数图网格。在可视化中,由于y轴从0开始,并且有许多观察结果,因此每个子图中条形的高度差异几乎无法察觉。我想将每个图的y轴范围设置为高于/低于其最大和最小数据点的范围。

据我所知,Seaborn是基于Matplotlib的,我尝试在每个计数图函数后使用plt.ylim(a,b)或ax.set(ylim=(a,b)),但这只会改变右下角子图(字幕启用)的y轴范围。

非常感谢您帮助我将其应用于我定义的绘图函数中的每个子绘图。

我用来生成绘图网格的代码如下:

# Figure dimensions
fig, axes = plt.subplots(5, 2, figsize = (18, 18))

# List of categorical features column names
categorical_features_list = list(categorical_features)

# Countplot function
def make_countplot():
    i = 0
    for n in range(0,5):
        m = 0
        sns.countplot(ax = axes[n, m], x = categorical_features_list[i], data = train_df, color = 'blue',
                      order = train_df[categorical_features_list[i]].value_counts().index);
        m += 1
        sns.countplot(ax = axes[n, m], x = categorical_features_list[i+1], data = train_df, color = 'blue', 
                      order = train_df[categorical_features_list[i+1]].value_counts().index);
        m -= 1
        i += 2
        
make_countplot()

以下是plotgrid本身:

1 回复 | 直到 1 年前

1

JohanC 1 年前

你可能想读一下 the difference between the plt and the ax interface 以及about avoiding indices in Pytho 。你可以打电话 ax.set_ylim(...) 设置特定子地块的y限制。

以下是一个使用Seaborn的巨大数据集的示例:

import matplotlib.pyplot as plt
import seaborn as sns

titanic = sns.load_dataset('titanic')

categorical_features = ['survived', 'sex', 'sibsp', 'parch', 'class', 'who', 'deck', 'embark_town']

# Figure dimensions
fig, axes = plt.subplots((len(categorical_features) + 1) // 2, 2, figsize=(10, 15))

for feature, ax in zip(categorical_features, axes.flat):
    counts = titanic[feature].value_counts()
    sns.countplot(ax=ax, x=feature, data=titanic, color='dodgerblue',
                  order=counts.index)
    min_val = counts.min()
    max_val = counts.max()
    # set the limits 10% higher than the highest and 10% lower than the lowest
    delta = (max_val - min_val) * 0.10
    ax.set_ylim(max(0, min_val - delta), max_val + delta)
    # remove the xlabel and set the feature name inside the plot (to save some space)
    ax.set_xlabel('')
    ax.text(0.5, 0.98, feature, fontsize=14, transform=ax.transAxes, ha='center', va='top')

plt.tight_layout()
plt.show()