如何使用Seaborn連續繪制多個圖形

Question

我有一個看起來像這樣的數據框df ：

df.head()
id        feedback        nlp_model        similarity_score
0xijh4    1               tfidf            0.36
0sdnj7    -1              lda              0.89
kjh458    1               doc2vec          0.78
....

我想繪制similairty_score使用seaborn每個在獨特的價值觀與反饋的箱線圖形式model柱： tfidf ， lda ， doc2vec 。 我的代碼如下：

fig, ax = plt.subplots(figsize=(10,8))
ax = sns.boxplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='tfidf'])
ax = sns.swarmplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='tfidf'], color="0.25")

fig, ax = plt.subplots(figsize=(10,8))
ax = sns.boxplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='lda'])
ax = sns.swarmplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='lda'], color="0.25")

fig, ax = plt.subplots(figsize=(10,8))
ax = sns.boxplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='doc2vec'])
ax = sns.swarmplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='doc2vec'], color="0.25")

plt.show()

問題在於這會在另一個之上創建3個地塊。

如何生成這些相同的圖，但全部顯示在一條直線上，一個軸僅在最左側的圖上標記“相似度分數”，而在每個圖的正下方標記“反饋”軸標簽？

Answer 1

每次繪制時，您都在創建新的圖形。 因此，您可以刪除對plt.subplots()所有調用，但只刪除其中之一

該seaborn swarmplot()和boxplot()接受ax參數即你可以告訴它軸密謀。 因此，使用以下命令創建圖形，子圖和軸：

fig, (ax1, ax2, ax3) = plt.subplots(1, 3)

然后，您可以執行以下操作：

sns.boxplot(x="x_vals", y="y_vals", data=some_data, ax=ax1)

然后，您可以根據需要操縱軸。 例如，僅在某些子圖等上刪除y軸標簽。

fig, (ax1, ax2, ax3) = plt.subplots(1,3,figsize=(10,8))

sns.boxplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='tfidf'], ax=ax1)
sns.swarmplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='tfidf'], color="0.25", ax=ax1)

sns.boxplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='lda'], ax=ax2)
sns.swarmplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='lda'], color="0.25", ax=ax2)

ax2.set_ylabel("")  # remove y label, but keep ticks

sns.boxplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='doc2vec'], ax=ax3)
sns.swarmplot(x="feedback", y="similarity_score", data=df[df.nlp_model=='doc2vec'], color="0.25", ax=ax3)

ax3.set_ylabel("")  # remove y label, but keep ticks

plt.show()