Python 3.x 控制Seaborn边缘直方图？

问题1： 在打印边线时，如何删除打印中的多余空间？在第一篇文章中回答如下

问题2： 如何更好地控制边距直方图图，例如绘制直方图并确定边距的kde参数？在下面的第二篇文章中用

JointGrid

回答

#!/usr/bin/env python3
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd

sns.set_palette("viridis")
sns.set(style="white", color_codes=True)

x = np.random.normal(0, 1, 1000)
y = np.random.normal(5, 1, 1000)

df = pd.DataFrame({"x":x, "y":y})

g = sns.jointplot(df["x"],df["y"], bw=0.15, shade=True, xlim=(-3,3), ylim=(2,8),cmap="coolwarm", kind="kde", stat_func=None)

# plt.tight_layout() # This will override seaborn parameters. Remember to exclude.
plt.show()

---

jointplot

有一个

space

参数，用于确定主绘图和marginplot之间的间距

运行此代码：

g = sns.jointplot(df["x"],df["y"], bw=0.15, shade=True, xlim=(-3,3), 
                  ylim=(2,8),cmap="coolwarm", kind="kde",
                  stat_func=None, space = 0)

plt.show()

对我而言，此图中的结果：

请注意，使用

plt.tight_layout（）

运行将否决

jointplot

的

space

参数

编辑：

要进一步指定边缘图的参数，可以使用

marginal\u kws

。您必须传递一个字典，该字典指定您使用的边缘打印类型的参数

在您的示例中，您使用

kde

绘图作为边缘绘图。因此，我将继续以此为例：

这里我展示了如何更改用于生成边缘图的内核

g = sns.jointplot(df["x"],df["y"], bw=0.15, shade=True, xlim=(-3,3), 
                  ylim=(2,8),cmap="coolwarm", kind="kde",
                  stat_func=None, space = 0, marginal_kws={'kernel': 'epa'})


plt.show()

生成此图：

---

您可以在字典中将kde绘图接受的任何参数作为键传递，并将该参数的所需值作为该键的值传递。

jointplot

具有一个

space

参数，该参数确定主绘图和MarginPlot之间的空间

运行此代码：

g = sns.jointplot(df["x"],df["y"], bw=0.15, shade=True, xlim=(-3,3), 
                  ylim=(2,8),cmap="coolwarm", kind="kde",
                  stat_func=None, space = 0)

plt.show()

对我而言，此图中的结果：

请注意，使用

plt.tight_layout（）

运行将否决

jointplot

的

space

参数

编辑：

要进一步指定边缘图的参数，可以使用

marginal\u kws

。您必须传递一个字典，该字典指定您使用的边缘打印类型的参数

在您的示例中，您使用

kde

绘图作为边缘绘图。因此，我将继续以此为例：

这里我展示了如何更改用于生成边缘图的内核

g = sns.jointplot(df["x"],df["y"], bw=0.15, shade=True, xlim=(-3,3), 
                  ylim=(2,8),cmap="coolwarm", kind="kde",
                  stat_func=None, space = 0, marginal_kws={'kernel': 'epa'})


plt.show()

生成此图：

---

您可以将kde绘图接受的任何参数作为键传递到字典中，并将该参数所需的值作为该键的值。

好的，所以我将继续，自己发布一个额外的答案。对于我来说，额外的

marginal\u kws

可以控制哪些参数并不完全清楚。相反，使用

JointGrid

逐层构建绘图（尤其是来自ggplot）可能更直观：

g = sns.JointGrid(x="x", y="y", data=df)            # Initiate multi-plot
g.plot_joint(sns.kdeplot)                           # Plot the center x/y plot as sns.kdeplot
g.plot_marginals(sns.distplot, kde=True)            # Plot the edges as sns.distplot (histogram), where kde can be set to True

---

好的，我会继续写一个额外的答案。对于我来说，额外的

marginal\u kws

可以控制哪些参数并不完全清楚。相反，使用

JointGrid

逐层构建绘图（尤其是来自ggplot）可能更直观：

g = sns.JointGrid(x="x", y="y", data=df)            # Initiate multi-plot
g.plot_joint(sns.kdeplot)                           # Plot the center x/y plot as sns.kdeplot
g.plot_marginals(sns.distplot, kde=True)            # Plot the edges as sns.distplot (histogram), where kde can be set to True

---

不是很好吗？它有一个所有参数的列表，以及许多示例。现在，如果你想控制某个特定的东西，你需要告诉它是什么，否则（除了

空间

）这真的太宽泛了。现在还不清楚你想要实现什么。似乎更像是一个橡皮鸭问题，而不是任何有人可以帮助你的问题。除非您决定指定一个问题。“恢复”在这里是什么意思？期望的输出是什么？好的，如果这个线程只是用来混淆，要我关闭它吗？不，只是清楚地说明问题是什么。而且你已经有答案了。因此，在限制条件下，您可以编辑问题，使@error的答案匹配。更改了一点。现在更简洁了吗？还不是很好吗？它有一个所有参数的列表，以及许多示例。现在，如果你想控制某个特定的东西，你需要告诉它是什么，否则（除了

空间

）这真的太宽泛了。现在还不清楚你想要实现什么。似乎更像是一个橡皮鸭问题，而不是任何有人可以帮助你的问题。除非您决定指定一个问题。“恢复”在这里是什么意思？期望的输出是什么？好的，如果这个线程只是用来混淆，要我关闭它吗？不，只是清楚地说明问题是什么。而且你已经有答案了。因此，在限制条件下，您可以编辑问题，使@error的答案匹配。更改了一点。现在更简洁了吗？