使用循环在 seaborn 直方图子图中添加分位数和平均线答案

【问题标题】：Add quantile and mean lines in seaborn histogram subplots with loop使用循环在 seaborn 直方图子图中添加分位数和平均线
【发布时间】：2021-03-01 16:08:22
【问题描述】：

您好，我想在 seaborn 直方图子图中添加分位数和均值线。

示例数据：

import seaborn as sns
from matplotlib import pyplot as plt
penguins = sns.load_dataset("penguins")
penguins.dropna(inplace=True)
fig, axes = plt.subplots(2, 2, figsize=(20, 7))
plot_data = penguins[['bill_length_mm', 'bill_depth_mm', 'flipper_length_mm', 'body_mass_g']]
for col, ax in zip(plot_data, axes.flat):
    print(col, ax)
    sns.histplot(ax=ax, data=plot_data, x=plot_data[col], hue=penguins['sex'], multiple='stack')

将分位数线添加到单个子图：axes[0,0].axvline(plot_data['bill_length_mm'].quantile(0.25), 0, 1, color='red', ls='--')

我想为每个子图添加 0.25、0.5、0.75 分位数和平均值。

我试过了，但是不行

quantiles = [0.25, 0.5, 0.75]
colors = ['green', 'red', 'blue']
l = []
for col in plot_data.columns:
    for q, c in zip(quantiles, colors):
        l.append([col, q, plot_data.loc[:,col].quantile(q), c])

for l_, ax in zip(l, axes):
    ax.axvline(l_[2], 0, 1, color=l[3], ls='--')

【问题讨论】：

标签： python pandas seaborn

【解决方案1】：

分别从要绘制的数据的统计中获取 25%、50% 和 75% 来绘制一条垂直线。请参考this。

import seaborn as sns
from matplotlib import pyplot as plt

penguins = sns.load_dataset("penguins")
penguins.dropna(inplace=True)

fig, axes = plt.subplots(2, 2, figsize=(20, 7))

plot_data = penguins[['bill_length_mm', 'bill_depth_mm', 'flipper_length_mm', 'body_mass_g']]

quantiles = ['25%','50%', '75%']
colors = ['green', 'red', 'blue']

for col, ax in zip(plot_data, axes.flat):
#     print(col, ax)
    sns.histplot(ax=ax, data=plot_data, x=plot_data[col], hue=penguins['sex'], multiple='stack')
    desc = plot_data[col].describe()
#     print(desc)
    for i in range(len(quantiles)):
        ax.axvline(desc[quantiles[i]], color=colors[i])

【讨论】：

【解决方案2】：

你离得很近。您只需要在每个子图中为每个分位数颜色组合重复工作 axvline 解决方案。你正确地认为压缩它们是实现这一目标的一种方式。尽可能地坚持你的尝试：

...
sns.histplot(ax=ax, data=plot_data, x=plot_data[col], hue=penguins['sex'], multiple='stack')
for q, c in zip(quantiles, colors):
    ax.axvline(plot_data[col].quantile(q), 0, 1, color=c, ls='--')
...

示例输出：

【讨论】：