如何使用 sns.catplot 在箱线图顶部覆盖散点图？答案

【问题标题】：How to overlay a scatterplot on top of boxplot with sns.catplot?如何使用 sns.catplot 在箱线图顶部覆盖散点图？
【发布时间】：2021-04-29 01:02:51
【问题描述】：

可以通过简单地依次调用axes-level 绘图函数来组合它们：

import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset("tips")
sns.set_theme(style="whitegrid")
ax = sns.boxplot(x="day", y="total_bill", data=tips)
ax = sns.stripplot(x="day", y="total_bill", data=tips, 
                   color=".25", alpha=0.7, ax=ax)
plt.show()

图形级函数sns.catplot()如何实现这一点？对sns.catplot() 的连续调用每次都会创建一个新图形，并且无法传递图形句柄。

# This creates two separate figures:
sns.catplot(..., kind="box")
sns.catplot(..., kind="strip")

【问题讨论】：

另请注意this (open) seaborn issue解决了同样的问题。

标签： python seaborn

【解决方案1】：

以下适用于 seaborn v0.11：

import seaborn as sns 
import matplotlib.pyplot as plt
tips = sns.load_dataset("tips")
g = sns.catplot(x="sex", y="total_bill", hue="smoker", col="time",
                data=tips, kind="box",
                palette=["#FFA7A0", "#ABEAC9"],
                height=4, aspect=.7);
g.map_dataframe(sns.stripplot, x="sex", y="total_bill", 
                hue="smoker", palette=["#404040"], 
                alpha=0.6, dodge=True)
# g.map(sns.stripplot, "sex", "total_bill", "smoker", 
#       palette=["#404040"], alpha=0.6, dodge=True)
plt.show()

说明：在第一遍中，箱线图是使用sns.catplot() 创建的。该函数返回一个sns.FacetGrid，它为分类参数time 的每个值容纳不同的轴。在第二遍中，这个FacetGrid 被重新用于覆盖散点图（sns.stripplot，或者sns.swarmplot）。以上使用方法map_dataframe()，因为data 是带有命名列的pandas DataFrame。（或者，也可以使用map()。）设置dodge=True 可确保散点图沿每个hue 类别的类别轴移动。最后，请注意，通过使用kind="box" 调用sns.catplot()，然后在第二步中覆盖散点图，可以隐式规避duplicated legend entries 的问题。

替代（不推荐）：也可以先创建FacetGrid对象，然后调用map_dataframe()两次。虽然这适用于本示例，但在其他情况下，必须确保属性映射在各个方面正确同步（请参阅docs 中的警告）。 sns.catplot() 负责这一点，以及传说。

g = sns.FacetGrid(tips, col="time", height=4, aspect=.7)
g.map_dataframe(sns.boxplot, x="sex", y="total_bill", hue="smoker", 
                palette=["#FFA7A0", "#ABEAC9"])
g.map_dataframe(sns.stripplot, x="sex", y="total_bill", hue="smoker", 
                palette=["#404040"], alpha=0.6, dodge=True)
# Note: the default legend is not resulting in the correct entries.
#       Some fix-up step is required here...
# g.add_legend()
plt.show()

【讨论】：