Matplotlib Seaborn散点图矩阵-使用自定义样式添加额外点

我正在GitHub上对一些开源项目的活动进行k-means聚类，并尝试使用

我可以成功地绘制聚类分析的结果（下面的tsv输出示例）

用户\u id问题\u评论问题\u创建的请求请求\u审查\u评论请求类别
1 0.1493651979088722.0100502512562812 0.0 0.60790273556231组0
1882 0.11202389843166542 0.5025125628140703 0.0 0.0第1组
2.315160567587752 20.603015075376884 0.13297872340425532 1.21580547112462第2组
1789 36.8185212845407 82.91457286432161 75.66489361702128 74.46808510638297第3组

我遇到的问题是，我想也能在矩阵图上画出簇的质心。目前，我正在打印脚本，如下所示：

导入seaborn作为sns
作为pd进口熊猫
从pylab导入savefig
sns.set（）
#默认情况下，熊猫假定第一列是索引
#因此，它将被跳过。在我们的例子中，它是用户id
data=pd.DataFrame.from_csv（'summary_clusters.tsv'，sep='\t'））
grid=sns.pairplot（数据，hue=“category”，diag_kind=“kde”）
savefig（'normalized_clusters.png'，dpi=150）

这将产生预期的输出：

我希望能够在每个图上标出星团的质心。我可以想出两种方法：

创建一个新的“质心”类别，并将其与其他点一起绘制

调用

sns.pairplot（data，hue=“category”，diag\u kind=“kde”）

后，手动向绘图添加额外的点

如果（1）是解决方案，那么我希望能够定制标记（可能是星星？），使其更加突出

---

如果我洗耳恭听。我对Seaborn和Matplotlib还很陌生，所以欢迎提供任何帮助：-）

pairplot

不太适合这种情况，但可以通过一些技巧使其工作。这是我要做的

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
sns.set_color_codes()

# Make some random iid data
cov = np.eye(3)
ds = np.vstack([np.random.multivariate_normal([0, 0, 0], cov, 50),
                np.random.multivariate_normal([1, 1, 1], cov, 50)])
ds = pd.DataFrame(ds, columns=["x", "y", "z"])

# Fit the k means model and label the observations
km = KMeans(2).fit(ds)
ds["label"] = km.labels_.astype(str)

现在是不明显的部分：您需要创建一个具有质心位置的数据框，然后将其与观测数据框相结合，同时使用

标签
列适当标识质心：

centroids = pd.DataFrame(km.cluster_centers_, columns=["x", "y", "z"])
centroids["label"] = ["0 centroid", "1 centroid"]
full_ds = pd.concat([ds, centroids], ignore_index=True)

然后您只需要使用
PairGrid
，它比
pairplot
灵活一点，允许您通过色调变量和颜色映射其他打印属性（代价是无法在对角线上绘制直方图）：


另一种解决方案是，将观察值绘制为正常值，然后更改
PairGrid
对象上的数据属性，并添加一个新层。我会称之为黑客，但在某些方面它更直接

# Plot the data
g = sns.pairplot(ds, hue="label", vars=["x", "y", "z"], palette=["b", "r"])

# Change the PairGrid dataset and add a new layer
centroids = pd.DataFrame(km.cluster_centers_, columns=["x", "y", "z"])
g.data = centroids
g.hue_vals = [0, 1]
g.map_offdiag(plt.scatter, s=500, marker="*")

我知道我参加聚会有点晚了，但这里是mwaskom代码的通用版本，用于处理n个集群。可能会节省一些时间

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
def cluster_scatter_matrix(data_norm, cluster_number):

     sns.set_color_codes()
     km = KMeans(cluster_number).fit(data_norm)
     data_norm["label"] = km.labels_.astype(str)
     centroids = pd.DataFrame(km.cluster_centers_, columns=data_norm.columns)
     centroids["label"] = [str(n)+" centroid" for n in range(cluster_number)]
     full_ds = pd.concat([data_norm, centroids], ignore_index=True)
     g = sns.PairGrid(full_ds, hue="label",
                 hue_order=[str(n) for n in range(cluster_number)]+[str(n)+" centroid" for n in range(cluster_number)],
                 #palette=["b", "r", "b", "r"],
                 hue_kws={"s": [ 20 for n in range(cluster_number)]+[500 for n in range(cluster_number)],
                          "marker": [ 'o' for n in range(cluster_number)]+['*' for n in range(cluster_number)]}
                )
     g.map(plt.scatter, linewidth=1, edgecolor="w")
     g.add_legend()

从seaborn 0.11.0开始，替代解决方案（更新数据，然后调用
g.map\u offdiag
似乎已被破坏。我在这里提出了一个问题：
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
def cluster_scatter_matrix(data_norm, cluster_number):

     sns.set_color_codes()
     km = KMeans(cluster_number).fit(data_norm)
     data_norm["label"] = km.labels_.astype(str)
     centroids = pd.DataFrame(km.cluster_centers_, columns=data_norm.columns)
     centroids["label"] = [str(n)+" centroid" for n in range(cluster_number)]
     full_ds = pd.concat([data_norm, centroids], ignore_index=True)
     g = sns.PairGrid(full_ds, hue="label",
                 hue_order=[str(n) for n in range(cluster_number)]+[str(n)+" centroid" for n in range(cluster_number)],
                 #palette=["b", "r", "b", "r"],
                 hue_kws={"s": [ 20 for n in range(cluster_number)]+[500 for n in range(cluster_number)],
                          "marker": [ 'o' for n in range(cluster_number)]+['*' for n in range(cluster_number)]}
                )
     g.map(plt.scatter, linewidth=1, edgecolor="w")
     g.add_legend()