Python 移动Seaborn线型图中记号标记的位置

我用seaborn软件包做了一个情节。代码如下：

ax = sns.pointplot(x='latency_condition', y='flow', color=colors[0], ci=95, data=df_new,
                   scale=.5, linestyles='dotted', errwidth=2, capsize=.3)
ax.set_xticklabels(ax.get_xticklabels(), rotation=45)
ax.set_xlabel("E(latency)", fontweight='bold')
ax.set_ylabel("Flow score", fontweight='bold')
ax.set_yticklabels(['min','','','neutral','','','max'])
ax.set(ylim = (10,70))
plt.axhline(y=40, color=colors[3], linestyle='--', linewidth=1)
plt.savefig("fig4_flow.pdf", bbox_inches='tight')
plt.show()

这一切都很好。现在，我在x轴上有一个区间级别的分类级别。它们代表延迟值，不幸的是，它们是“丑陋的”：[162245328412495578]

例如，我希望我的x轴每100个有记号，以提高可读性。然而，seaborn将它们（正确地）视为分类级别，所以我不能仅仅改变x轴

我想做的是：

• 拆下当前的XTICK并更换为新的XTICK（例如每100个）
• 这样做时，新的XTICK会尊重坐标系（因为旧的XTICK也是均匀分布的，代表基础的连续体）

---

我不认为这是个好主意

pointplot（）

用于分类数据，而将其用于连续数据（即使x轴只取几个离散值）会带来麻烦
在任何情况下，在seaborn的

pointplot（）

中，分类变量的级别在坐标0,1，…，N-1处绘制在x轴上。由于您知道每个点的延迟值，因此只需进行线性插值即可找到所需的x值，以获得您选择的整数：

ticks = [162, 245, 328, 412, 495, 578]
new_ticks = [150,250,350,450,550]
df = pd.DataFrame({'value': np.random.random(size=(100,)), 'cat': np.random.choice(ticks, size=(100,))})

fig, (ax1, ax2)= plt.subplots(1,2, figsize=(8,4))
ax1.set_title('original')
sns.pointplot(x='cat',y='value',data=df, ax=ax1)
ax2.set_title('rescaled')
sns.pointplot(x='cat',y='value',data=df, ax=ax2)

x_ticks = ax2.get_xticks()
s = (x_ticks[-1]-x_ticks[0])/(ticks[-1]-ticks[0])
i = x_ticks[0] - s*ticks[0]
new_x_ticks = s*np.asarray(new_ticks) + i

ax2.set_xticks(new_x_ticks)
ax2.set_xticklabels(new_ticks)

---

我不认为这是个好主意

pointplot（）

用于分类数据，而将其用于连续数据（即使x轴只取几个离散值）会带来麻烦
在任何情况下，在seaborn的

pointplot（）

中，分类变量的级别在坐标0,1，…，N-1处绘制在x轴上。由于您知道每个点的延迟值，因此只需进行线性插值即可找到所需的x值，以获得您选择的整数：

ticks = [162, 245, 328, 412, 495, 578]
new_ticks = [150,250,350,450,550]
df = pd.DataFrame({'value': np.random.random(size=(100,)), 'cat': np.random.choice(ticks, size=(100,))})

fig, (ax1, ax2)= plt.subplots(1,2, figsize=(8,4))
ax1.set_title('original')
sns.pointplot(x='cat',y='value',data=df, ax=ax1)
ax2.set_title('rescaled')
sns.pointplot(x='cat',y='value',data=df, ax=ax2)

x_ticks = ax2.get_xticks()
s = (x_ticks[-1]-x_ticks[0])/(ticks[-1]-ticks[0])
i = x_ticks[0] - s*ticks[0]
new_x_ticks = s*np.asarray(new_ticks) + i

ax2.set_xticks(new_x_ticks)
ax2.set_xticklabels(new_ticks)

---

一个想法是使用辅助x轴，并设置与点-0.5和5.5对应的限制：

导入matplotlib.pyplot作为plt
导入seaborn作为sns
作为pd进口熊猫
将numpy作为np导入
#创建一些随机数据
N=100
a=[1622453284122495578]
x=np.随机选择（a，N）
y=np.随机.正常（65-x/20,10,N）
df_new=pd.DataFrame（{'latency_condition'：x，'flow'：y}）
图，ax1=plt.子批次（）
ax2=ax1.twny（）
sns.pointplot（ax=ax2，x='latency_condition'，y='flow'，color='dodgerblue'，ci=95，data=df_new，
比例=0.5，线型=虚线，宽度=2，倾覆=0.3）
#ax2.勾选参数（轴=x'，旋转=45）
#ax1.勾选参数（轴=x'，旋转=45）
ax2.set_xlabel（“”）
ax1.setxlabel（“E（延迟）”，fontwweight='bold'）
ax1.set_xlim（1.5*a[0]-0.5*a[1]，-0.5*a[-2]+1.5*a[-1]）
ax1.设置标签（“流量分数”，fontwweight='bold'）
ax1.设置标签（['min'、''、'neutral'、''、'max']）
ax1.set（ylim=（10,70））
ax1.axhline（y=40，color='crimson'，linestyle=''--'，linewidth=1）
#plt.savefig（“图4\u flow.pdf”，bbox\u inches='tight'）
plt.紧_布局（）
plt.show（）

---

一个想法是使用辅助x轴，并设置与点-0.5和5.5对应的限制：

导入matplotlib.pyplot作为plt
导入seaborn作为sns
作为pd进口熊猫
将numpy作为np导入
#创建一些随机数据
N=100
a=[1622453284122495578]
x=np.随机选择（a，N）
y=np.随机.正常（65-x/20,10,N）
df_new=pd.DataFrame（{'latency_condition'：x，'flow'：y}）
图，ax1=plt.子批次（）
ax2=ax1.twny（）
sns.pointplot（ax=ax2，x='latency_condition'，y='flow'，color='dodgerblue'，ci=95，data=df_new，
比例=0.5，线型=虚线，宽度=2，倾覆=0.3）
#ax2.勾选参数（轴=x'，旋转=45）
#ax1.勾选参数（轴=x'，旋转=45）
ax2.set_xlabel（“”）
ax1.setxlabel（“E（延迟）”，fontwweight='bold'）
ax1.set_xlim（1.5*a[0]-0.5*a[1]，-0.5*a[-2]+1.5*a[-1]）
ax1.设置标签（“流量分数”，fontwweight='bold'）
ax1.设置标签（['min'、''、'neutral'、''、'max']）
ax1.set（ylim=（10,70））
ax1.axhline（y=40，color='crimson'，linestyle=''--'，linewidth=1）
#plt.savefig（“图4\u flow.pdf”，bbox\u inches='tight'）
plt.紧_布局（）
plt.show（）

---

我和你一样担心这是否是个好主意。这是我和我的合著者反复讨论的问题。感谢您提供了非常高效的解决方案！我和你一样担心这是否是个好主意。这是我和我的合著者反复讨论的问题。感谢您提供了非常高效的解决方案！哇，这可能是我和我的合著者讨论的一个解决方案。谢谢哇，这可能是我和我的合著者讨论的一个解决方案。谢谢