在不同的子图中绘制不同组的数据框

Question

我想在一个主图中绘制 4 个不同的散点图。数据来自从 .csv 文件读取的分组数据帧。初始数据框如下所示：

df.to_csv("File.csv", index=False)

df:

	Category1	Category2	X	Y
0	A	x	4	5.1
1	B	x	3	4.2
2	A	y	2	7.1
3	A	z	9	6.1
...	...	...	...	...
97	A	z	4	5.1
98	A	w	3	4.2
99	B	y	2	7.1
100	B	z	9	6.1

如您所见，category1 只有两种值（A,B），而 category2 有 4 种值（x,y,z,w）。 X 和 Y 值是随机的，仅用于显示目的。

分组的df是使用以下命令创建的：

dfGrouped = df.groupby(["Category1 ","Category2"])

dfGrouped：

		X	Y
A	x	4	5.1
A		7	9.1
	y	3	4.2
		3	4.2
		3	4.2
	z	2	7.1
	w	9	6.1
...	...	...	...
B	x	4	5.1
	y	3	4.2
	z	2	7.1
		2	7.1
	w	9	6.1

我尝试单独绘制它们，但没有成功：

fig, ax = plt.subplots(figsize=(8, 6))
ax.margins(0.05)
for name, group in dfGrouped:
    ax.plot(group.X, group.Y, marker='o', linestyle='', ms=2, label=name)

我什至尝试使用 get_group 调用群组，但没有成功。

dfGrouped= dfGrouped.get_group(("A","x"))

有没有办法在一个主图中绘制 4 个不同的散点图（基于“category2”：x、y、z、w），每个图包含 2 个具有 2 种不同颜色的集合值（基于“类别 1"：A、B)？

Answer 1

你可以使用seaborn.relplot:

import numpy as np
import seaborn as sns
# dummy data
df = pd.DataFrame({'Category1': np.random.choice(['A','B'], size=100),
                   'Category2': np.random.choice(['w','x', 'y', 'z'], size=100),
                   'x': np.random.random(size=100),
                   'y': np.random.random(size=100),
                   })
# plot
sns.relplot(data=df, x='x', y='y', col='Category2', col_wrap=2, hue='Category1')

输出：

Answer 2

我使用散点图，下面是另一种选择：

**DataFrame**   

       col1     val1    val2    col2
  0     A      1000     5000     w
  1     A      3000     4000     w
  2     A      7000     5000     w
  3     A      3000     4000     w
  4     A      5000     6000     x
  5     A      5000     4000     x
  6     A      5000     9000     x
  7     A      6000     10000    x
  8     B      5000     6000     y
  9     B      5000     4000     y
  10    B      5000     9000     y
  11    A      6000     10000    y
  12    A      5000     6000     z
  13    B      5000     4000     z
  14    B      5000     9000     z
  15    A      6000     10000    z

功能

def plot_grouped_data():
  fig = plt.figure()
  fig.subplots_adjust(hspace=0.4, wspace=0.4)
  i=0
  for label, df in new.groupby('col2'):
    ax = fig.add_subplot(2,2,i+1)
    # print(label)
    sns.scatterplot(data=df,x= 'val1', y='val2', hue='col1', ax=ax)
    plt.title(f'Title={label}')
    plt.legend(loc="upper right")
    i += 1
  plt.show()

plot_grouped_data()

输出