如何枚举和添加 margin_titles 到 seaborn lmplot facetgrid 中的每个子图？

Question

我有以下附加的 lmplot facetgrid

首先，我想简化每个子图的标题，只有语料库 = {语料库名称}。

我按照 lmplot 生成这些图

g=sns.lmplot('x', 'y', data=test_plot, col='corpus', hue = 'monotonicity', row='measure', sharey=True, sharex=True, height=2.5,aspect=1.25, truncate=False, scatter_kws={"marker": "D", "s": 20})

g=(g.set_axis_labels("Max-Min (measure)", "Max-Min (comp measure)")
        .set(xlim=(0, 1), ylim=(-.1, 1))
        .fig.subplots_adjust(wspace=.02))

我想使用 facetgrid margin_title选项将度量值放在右侧的 y 轴上，但是 get lmplot() got an unexpected keyword argument 'margin_titles'

然后我尝试使用 facetgrid，如下所示：

p = sns.FacetGrid(data = test_plot,
                           col = 'corpus',
                           hue = 'monotonicity',
                           row = 'measure',
                           margin_titles=True)
    

p.map(sns.lmplot, 'diff_', 'score_diff',  data=test_plot, he='monotonicity', truncate=False, scatter_kws={"marker": "D", "s": 20})

但是后来我收到了一个关于lmplot() got an unexpected keyword argument 'color'的错误lmplot() got an unexpected keyword argument 'color' （无法弄清楚为什么会抛出它？）。

我的第二个问题是我想在每个子图的标题中添加一个字母/枚举，如(a), ..., (i) ，但对于我的生活，我无法弄清楚如何做到这一点。

Answer 1

因为你的定制需求，考虑运行后，你通过所有的FacetGrid的轴迭代lmplot 。 关于您的特定错误， seaborn.lmplot是一个 FacetGrid，因此如果在第二次尝试中尝试嵌套在另一个 FacetGrid 中，则会发生冲突。 此外，在下面的解决方案中，不要将g重新分配给返回NoneType轴设置：

#... SAME lmplot ...

(
  g.set_axis_labels("Max-Min (measure)", "Max-Min (comp measure)")
   .set(xlim=(0, 1), ylim=(-.1, 1))
   .fig.subplots_adjust(wspace=.02)
)

alpha = list('abcdefghijklmnopqrstuvwxyz')
axes = g.axes.flatten()

# ADJUST ALL AXES TITLES
for ax, letter in zip(axes, alpha[:len(axes)]):
    ttl = ax.get_title().split("|")[1].strip()   # GET CURRENT TITLE
    ax.set_title(f"({letter}) {ttl}")            # SET NEW TITLE

# ADJUST SELECT AXES Y LABELS
for i, m in zip(range(0, len(axes), 3), test_plot["measure"].unique()):
    axes[i].set_ylabel(m)

输入（用于演示的纯随机数据）

import numpy as np
import pandas as pd

np.random.seed(1172021)

test_plot = pd.DataFrame({
    'measure': np.random.choice(["precision", "recall", "F1-score"], 500),
    'corpus': np.random.choice(["Fairview", "i2b2", "MiPACQ"], 500),
    'monotonicity': np.random.choice(["increasing", "non", "decreasing"], 500),
    'x': np.random.uniform(0, 1, 500),
    'y': np.random.uniform(0, 1, 500)
})

输出