Python matplotlib：在散点图上方绘制直方图图

我想在散点图的上方和右侧绘制漂亮的散点图，因为在seaborn with jointplot中这是可能的：

---

我正在寻找如何实现这一目标的建议。事实上，我在安装pandas时遇到了一些麻烦，而且我也不需要整个seaborn模块，下面是一个如何使用

gridspec.gridspec

进行安装的示例：

import matplotlib.pyplot as plt
from matplotlib.gridspec import GridSpec
import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)

fig = plt.figure()

gs = GridSpec(4,4)

ax_joint = fig.add_subplot(gs[1:4,0:3])
ax_marg_x = fig.add_subplot(gs[0,0:3])
ax_marg_y = fig.add_subplot(gs[1:4,3])

ax_joint.scatter(x,y)
ax_marg_x.hist(x)
ax_marg_y.hist(y,orientation="horizontal")

# Turn off tick labels on marginals
plt.setp(ax_marg_x.get_xticklabels(), visible=False)
plt.setp(ax_marg_y.get_yticklabels(), visible=False)

# Set labels on joint
ax_joint.set_xlabel('Joint x label')
ax_joint.set_ylabel('Joint y label')

# Set labels on marginals
ax_marg_y.set_xlabel('Marginal x label')
ax_marg_x.set_ylabel('Marginal y label')
plt.show()

---

我今天遇到了同样的问题。此外，我还想为边缘人提供CDF

代码：

---

希望它能帮助下一个人搜索具有边际分布的散点图。

说清楚，你的问题是如何在vanilla matplotlib中或多或少地实现

sns.jointplot

。我的问题是如何在散点图上方放置另一个框，这样我就可以在散点图上绘制直方图，特别是底部的示例。如果没有gridspec，您可以进一步了解这一点，这里有一个关于stackoverflow的类似示例：不错，但是如何仅从直方图中删除记号（而不抑制轴），以及如何有选择地添加标签？请参见此处，我的标签现在显示在绘图[0,0]而不是[1,0]上。我希望在绘图[0,0]上显示ylabel，在绘图[1,1]上显示xlabel，在绘图[1,0]上显示两个标签。您的图片很漂亮，+1，但代码返回一个错误：

AttributeError:“Polygon”对象没有属性“normed”

。请更正您的解决方案或告诉我我做错了什么。解决方法：将

normed=True

替换为

density=True

@Leo，更新答案。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import numpy as np

x = np.random.beta(2,5,size=int(1e4))
y = np.random.randn(int(1e4))

fig = plt.figure(figsize=(8,8))
gs = gridspec.GridSpec(3, 3)
ax_main = plt.subplot(gs[1:3, :2])
ax_xDist = plt.subplot(gs[0, :2],sharex=ax_main)
ax_yDist = plt.subplot(gs[1:3, 2],sharey=ax_main)
    
ax_main.scatter(x,y,marker='.')
ax_main.set(xlabel="x data", ylabel="y data")

ax_xDist.hist(x,bins=100,align='mid')
ax_xDist.set(ylabel='count')
ax_xCumDist = ax_xDist.twinx()
ax_xCumDist.hist(x,bins=100,cumulative=True,histtype='step',density=True,color='r',align='mid')
ax_xCumDist.tick_params('y', colors='r')
ax_xCumDist.set_ylabel('cumulative',color='r')

ax_yDist.hist(y,bins=100,orientation='horizontal',align='mid')
ax_yDist.set(xlabel='count')
ax_yCumDist = ax_yDist.twiny()
ax_yCumDist.hist(y,bins=100,cumulative=True,histtype='step',density=True,color='r',align='mid',orientation='horizontal')
ax_yCumDist.tick_params('x', colors='r')
ax_yCumDist.set_xlabel('cumulative',color='r')

plt.show()