在 Seaborn 线图中移动刻度线的位置

Question

我使用 seaborn 包做了一个情节。这是代码：

ax = sns.pointplot(x='latency_condition', y='flow', color=colors[0], ci=95, data=df_new,
                   scale=.5, linestyles='dotted', errwidth=2, capsize=.3)
ax.set_xticklabels(ax.get_xticklabels(), rotation=45)
ax.set_xlabel("E(latency)", fontweight='bold')
ax.set_ylabel("Flow score", fontweight='bold')
ax.set_yticklabels(['min','','','neutral','','','max'])
ax.set(ylim = (10,70))
plt.axhline(y=40, color=colors[3], linestyle='--', linewidth=1)
plt.savefig("fig4_flow.pdf", bbox_inches='tight')
plt.show()

这一切都很好。现在，我在区间级别的 x 轴上有分类级别。它们代表延迟值，不幸的是，“丑陋”：[162、245、328、412、495、578]

如果我的 x 轴每 100 有刻度线，我会更喜欢它，例如，以提高可读性。但是，seaborn 将它们（正确地）视为分类级别，所以我不能只更改 x 轴。

我想做的是：

• 删除当前的 xticks 并用新的 xticks 替换它们（例如每 100 个）
• 这样做的方式是新的 xticks 尊重坐标系（因为旧的 xticks 也是均匀分布的，代表底层的连续体）。

Answer 1

一个想法是使用辅助x轴并设置与点-0.5和5.5对应的限制：

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

# create some random data
N = 100
a = [162, 245, 328, 412, 495, 578]
x = np.random.choice(a, N)
y = np.random.normal(65 - x / 20, 10, N)
df_new = pd.DataFrame({'latency_condition':x, 'flow': y})

fig, ax1 = plt.subplots()

ax2 = ax1.twiny()
sns.pointplot(ax=ax2, x='latency_condition', y='flow', color='dodgerblue', ci=95, data=df_new,
              scale=.5, linestyles='dotted', errwidth=2, capsize=.3)

# ax2.tick_params(axis='x', rotation=45)
# ax1.tick_params(axis='x', rotation=45)
ax2.set_xlabel("")
ax1.set_xlabel("E(latency)", fontweight='bold')
ax1.set_xlim(1.5*a[0] - 0.5*a[1], -0.5*a[-2] + 1.5*a[-1])
ax1.set_ylabel("Flow score", fontweight='bold')
ax1.set_yticklabels(['min','','','neutral','','','max'])
ax1.set(ylim = (10,70))

ax1.axhline(y=40, color='crimson', linestyle='--', linewidth=1)
#plt.savefig("fig4_flow.pdf", bbox_inches='tight')
plt.tight_layout()
plt.show()

Answer 2

我不相信这不是一个坏主意。 pointplot() 旨在用于分类数据，而将其用于连续数据（即使您的 x 轴只取几个离散值）也是自找麻烦。

无论如何，在 seaborn 的 pointplot() 中，分类变量的水平绘制在 x 轴坐标 0,1,...,N-1 处。由于您知道每个点的延迟值，因此只需进行线性插值即可找到所需的 x 值，以获得您选择的整数：

ticks = [162, 245, 328, 412, 495, 578]
new_ticks = [150,250,350,450,550]
df = pd.DataFrame({'value': np.random.random(size=(100,)), 'cat': np.random.choice(ticks, size=(100,))})

fig, (ax1, ax2)= plt.subplots(1,2, figsize=(8,4))
ax1.set_title('original')
sns.pointplot(x='cat',y='value',data=df, ax=ax1)
ax2.set_title('rescaled')
sns.pointplot(x='cat',y='value',data=df, ax=ax2)

x_ticks = ax2.get_xticks()
s = (x_ticks[-1]-x_ticks[0])/(ticks[-1]-ticks[0])
i = x_ticks[0] - s*ticks[0]
new_x_ticks = s*np.asarray(new_ticks) + i

ax2.set_xticks(new_x_ticks)
ax2.set_xticklabels(new_ticks)