在 Pandas 中结合 FacetGrid 和双 Y 轴答案

【问题标题】：Combining FacetGrid and dual Y-axis in Pandas在 Pandas 中结合 FacetGrid 和双 Y 轴
【发布时间】：2017-04-10 01:34:54
【问题描述】：

我正在尝试在单个 FacetGrid 上绘制两个不同的变量（通过因果关系链接）delai_jour 和 date_sondage。我可以用这段代码做到这一点：

g = sns.FacetGrid(df_verif_sum, col="prefecture", col_wrap=2, aspect=2, sharex=True,)
g = g.map(plt.plot, "date_sondage", "delai_jour", color="m", linewidth=2)
g = g.map(plt.bar, "date_sondage", "impossible")

这给了我这个：

FacetGrid

（总共有 33 个）。

我有兴趣比较各种prefecture 的模式，但由于幅度不同，我看不到折线图中的变化。

对于这项特定的工作，最好的方法是创建一个辅助 y 轴，但我似乎无法使任何工作：FacetGrid 看起来不可能，我不明白代码无法复制我在纯 matplotlib 中看到的示例。

我应该怎么做？

【问题讨论】：

我不同意“最好的方法是创建辅助 y 轴”的说法。那是one of the worst ways。
感谢您的文章。我认为有一个误解：我并不是说在所有情况下第二个轴都更好。我的意思是，对于我的情况，即直观地探索通过因果关系链接的 2 个变量的模式，这是最节省空间和视觉效率的方式。但我会编辑我的帖子以使其更清晰。
这正是文章中描述的应用程序。使用具有两个轴的平行时间序列来显示“因果关系”可能会产生高度误导，因为明显关系的程度很大程度上受任意 y 轴缩放控制。
我不是在寻找因果关系。我知道有一个。我不是在比较一个图表中的模式，而是比较 33 个方面的共同模式。

标签： python pandas matplotlib seaborn facet

【解决方案1】：

这是一个将自定义映射函数应用于感兴趣的数据框的示例。在该函数中，您可以调用plt.gca() 以获取当前在 FacetGrid 中绘制的刻面的当前轴。一旦有了轴，就可以像在普通的旧 matplotlib 绘图中一样调用 twinx()。

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

def facetgrid_two_axes(*args, **kwargs):
    data = kwargs.pop('data')
    dual_axis = kwargs.pop('dual_axis')
    alpha = kwargs.pop('alpha', 0.2)
    kwargs.pop('color')
    ax = plt.gca()
    if dual_axis:
        ax2 = ax.twinx()
        ax2.set_ylabel('Second Axis!')

    ax.plot(data['x'],data['y1'], **kwargs, color='red',alpha=alpha)
    if dual_axis:
        ax2.plot(df['x'],df['y2'], **kwargs, color='blue',alpha=alpha)


df = pd.DataFrame()
df['x'] = np.arange(1,5,1)
df['y1'] = 1 / df['x']
df['y2'] = df['x'] * 100
df['facet'] = 'foo'
df2 = df.copy()
df2['facet'] = 'bar'

df3 = pd.concat([df,df2])
win_plot = sns.FacetGrid(df3, col='facet', size=6)
(win_plot.map_dataframe(facetgrid_two_axes, dual_axis=True)
         .set_axis_labels("X", "First Y-axis"))
plt.show()

这不是最漂亮的图，因为您可能想要调整第二个 y 轴标签的存在、图之间的间距等，但代码足以显示如何在 FacetGrids 中绘制两个不同幅度的序列.

【讨论】：

【解决方案2】：

我通过遍历轴并绘制辅助轴来实现这一点，就像在典型的 Seaborn 图中一样。

使用 OP 示例：

g = sns.FacetGrid(df_verif_sum, col="prefecture", col_wrap=2, aspect=2, sharex=True)
g = g.map(plt.plot, "date_sondage", "delai_jour", color="m", linewidth=2)
for ax, (_, subdata) in zip(g.axes, df_verif_sum.groupby('prefecture')):
    ax2=ax.twinx()
    subdata.plot(x='data_sondage',y='impossible', ax=ax2,legend=False,color='r')

如果您对 x 轴进行任何格式化，您可能必须同时对 ax 和 ax2 进行格式化。

【讨论】：