代码之家 › 专栏 › 技术社区 › Black

Seaborn:使用非对称自定义误差条按组制作条形图

seaborn data-visualization plot matplotlib python

3

Black · 技术社区 · 8 年前

我有一个熊猫数据框架,它有两个组列,如下所示。

gr1 grp2 variables  lb     m       ub
 A   A1      V1     1.00   1.50    2.5           
 A   A2      V2     1.50   2.50    3.5         
 B   A1      V1     3.50   14.50   30.5           
 B   A2      V2     0.25   0.75    1.0

variables 使用 FacetGrid

g = sns.FacetGrid(df, col="variables", hue="grp1")
g.map(sns.barplot, 'grp2', 'm', order=times)

但不幸的是,这正在堆叠我所有的数据点。

我该怎么做呢 Seaborn ?

yerr .

g = sns.factorplot(x="Grp2", y="m", hue="Grp1", col="variables", data=df, kind="bar", size=4, aspect=.7, sharey=False)

lb ub 作为FactoryPlot上的误差线?

1 回复 | 直到 8 年前

1

7

ImportanceOfBeingErnest 8 年前

在开始之前,我要提到matplotlib要求误差与数据相关,而不是绝对边界。因此,我们将通过减去相应的列来修改数据帧以说明这一点。

u = u"""grp1 grp2 variables  lb     m       ub
A   A1      V1     1.00   1.50    2.5           
A   A2      V2     1.50   2.50    3.5         
B   A1      V1     7.50   14.50   20.5           
B   A2      V2     0.25   0.75    1.0
A   A2      V1     1.00   6.50    8.5           
A   A1      V2     1.50   3.50    6.5         
B   A2      V1     3.50   4.50   15.5           
B   A1      V2     8.25   12.75  13.9"""

import io
import pandas as pd

df = pd.read_csv(io.StringIO(u), delim_whitespace=True)
# errors must be relative to data (not absolute bounds)
df["lb"] = df["m"]-df["lb"]
df["ub"] = df["ub"]-df["m"]

不使用Seaborn

Pandas允许使用数据帧绘制分组条形图,其中每个列属于或构成一个组。

根据不同批次的数量创建多个子批次 variables .
groupby 变量
对于每个组,创建一个数据透视框架,其值为 grp1 作为列和 m 作为价值观。对两个错误列执行相同的操作。
How add asymmetric errorbars to Pandas grouped barplot?

然后代码看起来像:

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

df = pd.read_csv(io.StringIO(u), delim_whitespace=True)
# errors must be relative to data (not absolute bounds)
df["lb"] = df["m"]-df["lb"]
df["ub"] = df["ub"]-df["m"]

def func(x,y,h,lb,ub, **kwargs):
    data = kwargs.pop("data")
    # from https://stackoverflow.com/a/37139647/4124317
    errLo = data.pivot(index=x, columns=h, values=lb)
    errHi = data.pivot(index=x, columns=h, values=ub)
    err = []
    for col in errLo:
        err.append([errLo[col].values, errHi[col].values])
    err = np.abs(err)
    p = data.pivot(index=x, columns=h, values=y)
    p.plot(kind='bar',yerr=err,ax=plt.gca(), **kwargs)

fig, axes = plt.subplots(ncols=len(df.variables.unique()))
for ax, (name, group) in zip(axes,df.groupby("variables")):
    plt.sca(ax)
    func("grp2", "m", "grp1", "lb", "ub", data=group, color=["limegreen", "indigo"])
    plt.title(name)

plt.show()

Seaborn factorplot不允许自定义误差条。因此,需要使用 FaceGrid hue 中的参数 map 呼叫因此,以下内容相当于 sns.factorplot 从问题中打电话。

g = sns.FacetGrid(data=df, col="variables", size=4, aspect=.7 ) 
g.map(sns.barplot, "grp2", "m", "grp1", order=["A1","A2"] )

现在的问题是,我们无法从外部将误差条放入柱状图,或者更重要的是,我们无法将分组柱状图的误差提供给 seaborn.barplot . 对于非分组条形图,可以通过 yerr 参数,该参数传递到matplotlib plt.bar this question . 然而,自 海伯恩。条形图 plt。酒吧 多次,每次一次 ,每个调用中的错误将是相同的(或者它们的维度不匹配)。

因此,我看到的唯一选择是使用 FacetGrid FacetGrid

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

df = pd.read_csv(io.StringIO(u), delim_whitespace=True)
# errors must be relative to data (not absolute bounds)
df["lb"] = df["m"]-df["lb"]
df["ub"] = df["ub"]-df["m"]

def func(x,y,h,lb,ub, **kwargs):
    data = kwargs.pop("data")
    # from https://stackoverflow.com/a/37139647/4124317
    errLo = data.pivot(index=x, columns=h, values=lb)
    errHi = data.pivot(index=x, columns=h, values=ub)
    err = []
    for col in errLo:
        err.append([errLo[col].values, errHi[col].values])
    err = np.abs(err)
    p = data.pivot(index=x, columns=h, values=y)
    p.plot(kind='bar',yerr=err,ax=plt.gca(), **kwargs)

g = sns.FacetGrid(df, col="variables", size=4, aspect=.7,  ) 
g.map_dataframe(func, "grp2", "m", "grp1", "lb", "ub" , color=["limegreen", "indigo"]) 
g.add_legend()

plt.show()