[英]How to graph a seaborn lineplot more specifically
給定一個質量 DataFrame df
:
year count
1980 -23
1980 -4
1981 10
1982 0
1982 4
...
2007 27
2008 0
2008 0
2009 -7
2009 5
值首先按year
排序,然后是count
。 (顯示的值是任意改變的)
我想想象一下隨着year
的增加, count
如何分布不同,這可以通過百分位數 plot 最有效地顯示。 但是,由於我的數據是在 DataFrame 中給出的,我認為更可行(坦率地說,更簡單)的方法是使用seaborn.lineplot
:
import matplotlib.pyplot as plt
import seaborn as sns
fig, ax = plt.subplots(figsize=[16,12])
plt.axhline(y=0, color='black', linestyle='dotted')
sns.lineplot(x="year", y="count", ax=ax, data=df, color='red')
返回:
該圖在某種程度上起到了一定的作用,盡管我希望顯示比單個百分位梯度具有更多的可變性。 (一個很好的例子是下圖的 10 個百分位梯度,從這個鏈接復制: Using percentiles of a timeseries to set color gradient in Python's matplotlib )
我想知道是否有辦法使用seaborn.lineplot
來實現如此詳細的繪圖,如果沒有,是否有辦法從pandas
ZBA834BA059A9A379459C112E457 數據中做到這一點
一旦您生成了第一個置信區間或僅生成直線,您可以使用matplotlib ,如本文所示創建多個置信區間。
另一個選項是 plot 使用sns.lineplot
在同一個數字上,但我認為 seaborn 不適合這個。 以數據集flights
為例,首先我們 plot 中線或平均線:
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
flights = sns.load_dataset("flights")
fig,ax = plt.subplots(1,1)
sns.lineplot(data=flights, x="year", y="passengers",ax=ax,ci=None,color="black")
然后我們設置一個調色板並繼續添加沒有線條的波段(設置 linestyle = ''):
cm = sns.color_palette("Blues",9)
for ix,ci in enumerate(range(10,90,10)):
sns.lineplot(data=flights, x="year", y="passengers",
ci = ci,
ax=ax,linestyle='',
hue = ci,palette={ci:cm[ix]})
給出這樣的東西:
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.