使用多个数据集创建 seaborn 散点图矩阵 (PairGrid)答案

【问题标题】：Create a seaborn scatterplot matrix (PairGrid) using multiple datasets使用多个数据集创建 seaborn 散点图矩阵 (PairGrid)
【发布时间】：2021-09-08 10:26:48
【问题描述】：

我有一个数据框，其中包含来自几个不同模型的土壤温度数据，我想创建一个散点图矩阵。数据框如下所示：

dataframe structure

数据按模型（或站点）组织，我还包括了几列来区分寒冷或温暖季节 ['Season'] 以及层 ['Layer'] 之间发生的数据数据来自。

我的目标是创建一个具有以下特征的散点图矩阵：

按季节颜色编码的数据（我已经在脚本中设置了远）
底部三角形仅包含从 0cm 到 30cm 的数据土壤层，上三角只包含来自 30cm 到 300cm 土层。

我已经弄清楚如何一次为数据集的一个三角形/部分创建一个散点图矩阵，例如在这个例子中：

Scatterplot for top 30cm

但是我不确定如何在每个三角形中使用不同的数据部分。

相关文件可以在这里找到：

这里是相关代码

dframe_scatter_top = pd_read.csv(dframe_top.csv)
dframe_scatter_btm = pd_read.csv(dframe_btm.csv)
dframe_master = pd.read_csv(dframe_master.csv)
scatter1 = sn.pairplot(dframe_scatter_top,hue='Season',corner='True')
sns.set_context(rc={"axes.labelsize":20}, font_scale=1.0)
sns.set_context(rc={"legend.fontsize":18}, font_scale=1.0)
scatter1.set(xlim=(-40,40),ylim=(-40,40))
plt.show()

我怀疑诀窍是使用 PairGrid，并将数据的一部分设置为显示在地图上部，另一部分显示在地图下部，但是我目前没有看到明确拆分数据的方法。例如，有没有办法做到以下几点？

scatter1 = sns.PairGrid(dframe_master)
scatter1.map_upper(#only plot data from 0-30cm)
scatter1.map_lower(#only plot data from 30-300cm)

【问题讨论】：

标签： python pandas csv seaborn scatter-plot

【解决方案1】：

你已经接近了。您需要定义一个执行拆分的自定义函数：

import seaborn as sns
df = sns.load_dataset("penguins")

def scatter_subset(x, y, hue, mask, **kws):
    sns.scatterplot(x=x[mask], y=y[mask], hue=hue[mask], **kws)

g = sns.PairGrid(df, hue="species", diag_sharey=False)
g.map_lower(scatter_subset, mask=df["island"] == 'Torgersen')
g.map_upper(scatter_subset, mask=df["island"] != 'Torgersen')
g.map_diag(sns.kdeplot, fill=True, legend=False)
g.add_legend()

【讨论】：