Plot 不同变量的不同回归函数与 Seaborn PairGrid, regplot

Question

我的问题是，我如何在 seaborn PairGrid 中进行 plot 回归，这取决于绘制的变量，而不是上/下/对角线 Z4757FE07FD492A8BE0EA6A760DEZ63？ 例如，我有tips数据集，并且我相信'size'作为二阶多项式相关，而与其他变量无关，即。 我想要的pairgrid中的整个行/列，但没有别的。 但是，我只能做的是 map 这种与所有地块的上/下三角形的相关性，如下所示：

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

tips = sns.load_dataset("tips")

smoke = sns.PairGrid(tips, vars=['total_bill', 'tip','size'])
smoke.map_upper(sns.regplot, color = 'k', order=2)
smoke.map_diag(sns.kdeplot)
smoke.map_lower(sns.regplot, color = 'b')

seaborn 可以吗？ 如果我 go 更进一步，如果我想检查/绘制例如之间的指数相关性怎么办。 'tip'和'total_bill'就在pairgrid中，这可能吗？ 我该怎么做？

我知道我可以把这个特定的情况放在外面，然后单独使用 plot 或使用GridSpec但我想知道是否有更简单的方法。 谢谢

---

编辑（26.4.）：另一个问题是如何在这个设置中使用hue 。 如果我简单地使用：

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

tips = sns.load_dataset("tips")
vars = ['total_bill', 'tip','size']

smoke = sns.PairGrid(tips, vars=vars, hue='smoker')
smoke.map_upper(plt.scatter)
smoke.map_diag(sns.kdeplot)
smoke.map_lower(plt.scatter)

# Add 2nd order polynomial regression to the 'size' column
for ax,y in zip(smoke.axes[:2,2],vars):
    sns.regplot(ax=ax, data=tips, x='size', y=y, order=2, scatter=False)
    ax.set_ylabel('')
    ax.set_xlabel('')

# Add logarithmic regression
sns.regplot(ax=smoke.axes[2,0], data=tips, x="total_bill", y='size', logx=True, scatter=False)

它做我想要的，即适合对数回归，但很奇怪。 它将蓝色仅用于第一行，橙色仅用于第二行，然后为第一列创建绿色，最后一行如下图所示。 所以我的问题是如何解决它以及为什么它首先发生。 hue是否创建了一组新的axes ，然后需要对其进行迭代？

Answer 1

PairGrid只允许您 map 对角线、非对角线以及上下三角形。 如果您想对绘图进行更细粒度的控制，可以使用PairGrid.axes （二维数组）访问各个轴 object：

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

tips = sns.load_dataset("tips")
vars = ['total_bill', 'tip','size']

smoke = sns.PairGrid(tips, vars=vars)
smoke.map_upper(plt.scatter, color = 'k')
smoke.map_diag(sns.kdeplot)
smoke.map_lower(plt.scatter, color = 'b')

# Add 2nd order polynomial regression to the 'size' column
for ax,y in zip(smoke.axes[:2,2],vars):
    sns.regplot(ax=ax, data=tips, x='size', y=y, order=2, color='k', scatter=False)

# Add logarithmic regression
sns.regplot(ax=smoke.axes[2,0], data=tips, x="total_bill", y='size', logx=True, color='b', scatter=False)

编辑：适用于色调分割的解决方案

在这种情况下，您必须在同一轴上对数据的每个子集和 plot 进行回归。

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

tips = sns.load_dataset("tips")
vars = ['total_bill', 'tip','size']
hue_col = 'smoker'
hue_order=['Yes','No']

smoke = sns.PairGrid(tips, vars=vars, hue='smoker', hue_order=hue_order)
smoke.map_upper(plt.scatter)
smoke.map_diag(sns.kdeplot)
smoke.map_lower(plt.scatter)

# Add 2nd order polynomial regression to the 'size' column
for ax,y in zip(smoke.axes[:2,2],vars):
    for hue in hue_order:
        sns.regplot(ax=ax, data=tips.loc[tips[hue_col]==hue], x='size', y=y, order=2, scatter=False)
    ax.set_ylabel('')
    ax.set_xlabel('')

# Add logarithmic regression
for hue in hue_order:
    sns.regplot(ax=smoke.axes[2,0], data=tips.loc[tips[hue_col]==hue], x="total_bill", y='size', logx=True, scatter=False)

Answer 2

是的，这是可能的，因为您可以分别指定 x 和 y 变量，例如

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

tips = sns.load_dataset("tips")

smoke = sns.PairGrid(tips, x_vars=['total_bill', 'tip','size'], y_vars=['size'])
smoke.map(sns.regplot, color = 'k', order=2)
smoke.map_diag(sns.kdeplot)

对于 plot 各种回归函数，您必须单独访问每个轴（子图）。