Matplotlib 如何创建具有边缘直方图的热图，类似于jointplot？

我想绘制二维标量数据，通常使用

matplotlib.pyplot.imshow

或

sns.heatmap

来绘制。考虑这个例子：

data=[[10,20,30]、[50,50,100]、[80,60,10]]
修复，ax=plt.subplot（）
ax.imshow（数据，cmap=plt.cm.YlGn）

现在，我还想在顶部和右侧绘制一个一维条形图，显示每列/行中的值之和-就像

sns.jointplot

所做的那样。然而，

sns.jointplot

似乎只适用于分类数据，生成直方图（使用

kind='hist'

）、散点图或诸如此类-如果我想直接指定单元格的值，我不知道如何使用它。这在seaborn身上可能吗

我的绘图中的

y

轴将是天（一个月内），

x

轴将是小时。我的数据如下所示：

---

字段

成本差异

应构成绘图中各个字段的阴影。

这里有一种方法，首先创建一个虚拟

连接图

，然后使用其轴添加热图和总和条形图

导入matplotlib.pyplot作为plt
导入seaborn作为sns
将numpy作为np导入
作为pd进口熊猫
D=28
H=24
df=pd.DataFrame（{'day'：np.repeat（范围（1，D+1），H），
“小时”：np.瓦片（范围（H），D），
“成本Dif.”：np.随机.均匀（101000，D*H）}）
#更改随机df以突出某些行/列（调试、检查）
df.loc[df[‘小时’]=10，‘成本Dif.]=150
df.loc[df[‘小时’]=12，‘成本Dif.]=250
df.loc[df[‘天’]=20，‘成本Dif.]=800
g=sns.jointplot（数据=df，x='day'，y='hour'，kind='hist'，bin=（D，H））
g、 ax_marg_y.cla（）
g、 ax_marg_x.cla（）
sns.heatmap（data=df['Cost Dif.].to_numpy（）.重塑（D，H）.T，ax=g.ax_关节，cbar=False，cmap='Blues'）
g、 ax_marg_y.barh（np.arange（0.5，H），df.groupby（['hour']）['Cost Dif.].sum（）.to_numpy（），color='navy'）
g、 ax_marg_x.bar（np.arange（0.5，D），df.groupby（['day']）['Cost Dif.].sum（）。to_numpy（），color='navy'）
g、 ax_接头套件（np.arange（0.5，D））
g、 ax_接头。设置_xticklabels（范围（1，D+1），旋转=0）
g、 ax_接头套件（np.arange（0.5，H））
g、 ax_关节。设置标签（范围（H），旋转=0）
#去除直方图和直方图之间的记号
g、 ax_marg_x.勾选参数（axis='x'，bottom=False，labelbottom=False）
g、 ax_marg_y.勾选参数（axis='y'，left=False，labelleft=False）
#删除显示直方图高度的记号
g、 ax_marg_x.勾选参数（axis='y'，left=False，labelleft=False）
g、 ax_marg_y.勾选参数（axis='x'，bottom=False，labelbottom=False）
g、 fig.set_size_inches（20,8）jointplot创建自己的图形，之后才能更改大小
#g.fig.子地块_调整（hspace=0.3）#可选地为勾号标签留出更多空间
g、 图子批次调整（hspace=0.05，wspace=0.02）#无刻度标签时所需间距较小
plt.show（）

---

这里有一种方法，首先创建一个虚拟的

连接点

，然后使用其轴添加热图和总和条形图

导入matplotlib.pyplot作为plt
导入seaborn作为sns
将numpy作为np导入
作为pd进口熊猫
D=28
H=24
df=pd.DataFrame（{'day'：np.repeat（范围（1，D+1），H），
“小时”：np.瓦片（范围（H），D），
“成本Dif.”：np.随机.均匀（101000，D*H）}）
#更改随机df以突出某些行/列（调试、检查）
df.loc[df[‘小时’]=10，‘成本Dif.]=150
df.loc[df[‘小时’]=12，‘成本Dif.]=250
df.loc[df[‘天’]=20，‘成本Dif.]=800
g=sns.jointplot（数据=df，x='day'，y='hour'，kind='hist'，bin=（D，H））
g、 ax_marg_y.cla（）
g、 ax_marg_x.cla（）
sns.heatmap（data=df['Cost Dif.].to_numpy（）.重塑（D，H）.T，ax=g.ax_关节，cbar=False，cmap='Blues'）
g、 ax_marg_y.barh（np.arange（0.5，H），df.groupby（['hour']）['Cost Dif.].sum（）.to_numpy（），color='navy'）
g、 ax_marg_x.bar（np.arange（0.5，D），df.groupby（['day']）['Cost Dif.].sum（）。to_numpy（），color='navy'）
g、 ax_接头套件（np.arange（0.5，D））
g、 ax_接头。设置_xticklabels（范围（1，D+1），旋转=0）
g、 ax_接头套件（np.arange（0.5，H））
g、 ax_关节。设置标签（范围（H），旋转=0）
#去除直方图和直方图之间的记号
g、 ax_marg_x.勾选参数（axis='x'，bottom=False，labelbottom=False）
g、 ax_marg_y.勾选参数（axis='y'，left=False，labelleft=False）
#删除显示直方图高度的记号
g、 ax_marg_x.勾选参数（axis='y'，left=False，labelleft=False）
g、 ax_marg_y.勾选参数（axis='x'，bottom=False，labelbottom=False）
g、 fig.set_size_inches（20,8）jointplot创建自己的图形，之后才能更改大小
#g.fig.子地块_调整（hspace=0.3）#可选地为勾号标签留出更多空间
g、 图子批次调整（hspace=0.05，wspace=0.02）#无刻度标签时所需间距较小
plt.show（）

---

非常有效，谢谢。还有一个问题：我只希望在大热图上有刻度，而不是在侧面/顶部的条形图上。我试着在绘图的各个部分调用

.set_ticks（[]）

（

g.ax_marg_x

，

g.ax_marg_y

），但我只能设法关闭所有的刻度。

g.ax_marg_x.tick_参数（axis='x'，bottom False，labelbottom=False）

和

g.ax_marg.tick_.tick_参数（axis='y'，left=False）

删除热图和直方图之间的标签。对

ax_marg_x

和

ax_marg_y

反向执行同样的操作也会删除指示高度的记号。我更新了答案以删除边缘图上的记号。现在有空间删除子地块之间的一些空白。工作起来很有魅力，谢谢。还有一个问题：我只希望在大热图上有刻度，而不是在侧面/顶部的条形图上。我试着调用

。在绘图的各个部分（
g.ax\u marg\u x
，
g.ax）设置刻度（[]）
_