Python 在一个图中绘制两个子图

我有两个PCA图：一个用于训练数据和测试。使用seaborn，我想把这两个元素结合起来，然后像子情节一样情节化

sns.FacetGrid（finalDf_test，hue=“L”，height=6）.映射（plt.scatter，'PC1_test'，'PC2_test'）。添加图例（）
sns.FacetGrid（finalDf_train，hue=“L”，height=6）.map（plt.scatter，'PC1_train'，'PC2_train'）。添加图例（）

有人能帮忙吗？

是一个图形级函数，根据其

col=

和

row=

参数创建一个或多个子图。在这种情况下，只创建一个子批次

由于

FaceGrid

只在一个数据帧上工作，您可以连接数据帧，引入一个新列来区分测试和训练。此外，两个数据帧的“PC1”和“PC2”列应具有相同的名称

更简单的方法是使用matplotlib创建图形，然后为每个子地块调用

sns.scatterplot（..，ax=…）

。 它看起来像：

从matplotlib导入pyplot作为plt
导入seaborn作为sns
将numpy作为np导入
作为pd进口熊猫
#创建一些虚拟数据
l=np.random.randint（0,2500）
p1=np.随机兰特（500）*10
p2=p1+np.随机随机数n（500）+l
finalDf_test=pd.DataFrame（{'PC1_test'：p1[：100]，'PC2_test'：p2[：100]，'L'：L[：100]}）
finalDf_train=pd.DataFrame（{'PC1_train'：p1[100]，'PC2_train'：p2[100]，'L'：L[100:}）
sns.set（）
图（ax1，ax2）=plt.子批（ncols=2，figsize=（12，6），sharex=True，sharey=True）
散点图（数据=最终F_检验，x='PC1_检验'，y='PC2_检验'，色调='L'，ax=ax1）
sns.散点图（数据=最终F列，x='PC1'列，y='PC2'列，色调='L'，ax=ax2）
plt.show（）

连接数据帧可以如下所示：

sns.set（）
finalDf_total=pd.concat（{'test'：finalDf_test.rename（列={'PC1_test'：'PC1'，'PC2_test'：'PC2'}），
'train'：finalDf_train.rename（列={'PC1_train'：'PC1'，'PC2_train'：'PC2'}）
finalDf#u total.index.rename（['origin'，None]，inplace=True）#将第一个索引列重命名为“origin”
finalDf_total.reset_index（level=0，inplace=True）#将第一个索引转换为常规列
sns.FaceGrid（最终总计，色调=1'，高度=6，颜色=origin'）.map（plt.scatter，'PC1'，'PC2'）。添加图例（）
plt.show（）

例如，在

lmplot

中也可以使用相同的组合数据帧：

sns.lmplot（数据=finalDf_总数，x='PC1'，y='PC2'，色调='L'，高度=6，列='origin'）

是一个图形级函数，根据其

列=

和

行=

参数创建一个或多个子图。在这种情况下，只创建一个子批次

由于

FaceGrid

只在一个数据帧上工作，您可以连接数据帧，引入一个新列来区分测试和训练。此外，两个数据帧的“PC1”和“PC2”列应具有相同的名称

更简单的方法是使用matplotlib创建图形，然后为每个子地块调用

sns.scatterplot（..，ax=…）

。 它看起来像：

从matplotlib导入pyplot作为plt
导入seaborn作为sns
将numpy作为np导入
作为pd进口熊猫
#创建一些虚拟数据
l=np.random.randint（0,2500）
p1=np.随机兰特（500）*10
p2=p1+np.随机随机数n（500）+l
finalDf_test=pd.DataFrame（{'PC1_test'：p1[：100]，'PC2_test'：p2[：100]，'L'：L[：100]}）
finalDf_train=pd.DataFrame（{'PC1_train'：p1[100]，'PC2_train'：p2[100]，'L'：L[100:}）
sns.set（）
图（ax1，ax2）=plt.子批（ncols=2，figsize=（12，6），sharex=True，sharey=True）
散点图（数据=最终F_检验，x='PC1_检验'，y='PC2_检验'，色调='L'，ax=ax1）
sns.散点图（数据=最终F列，x='PC1'列，y='PC2'列，色调='L'，ax=ax2）
plt.show（）

连接数据帧可以如下所示：

sns.set（）
finalDf_total=pd.concat（{'test'：finalDf_test.rename（列={'PC1_test'：'PC1'，'PC2_test'：'PC2'}），
'train'：finalDf_train.rename（列={'PC1_train'：'PC1'，'PC2_train'：'PC2'}）
finalDf#u total.index.rename（['origin'，None]，inplace=True）#将第一个索引列重命名为“origin”
finalDf_total.reset_index（level=0，inplace=True）#将第一个索引转换为常规列
sns.FaceGrid（最终总计，色调=1'，高度=6，颜色=origin'）.map（plt.scatter，'PC1'，'PC2'）。添加图例（）
plt.show（）

例如，在

lmplot

中也可以使用相同的组合数据帧：

sns.lmplot（数据=finalDf_总数，x='PC1'，y='PC2'，色调='L'，高度=6，列='origin'）

下面的“ValueError:zero size array to reduction operation minimum，它没有标识”是我执行的代码，但它的抛出错误。sns.set（）图（ax1，ax2）=plt.subplot（ncols=2，figsize=（12，6），sharex=True，sharey=True）sns.scatterplot（data=finalDf_test，x='PC1_test'，y='PC2_test'，hue='L'，ax ax ax1）sns.scatterplt（data=finalDf train，x='PC1_train'，y='PC2_train'，hue='L'，ax ax ax ax2）plt.show（）您是否运行最新的seaborn（0.11.1.1.1.1）和pandas（1.2.3）版本？您的旧代码是否可以处理这些相同的数据帧？我的代码和测试数据在您的计算机上工作吗？你能回答你的问题并添加完整的错误跟踪（作为文本）吗？我得到的“ValueError:zero size array to reduction operation minimum what no identity”是我执行的代码，但它的抛出错误。sns.set（）图（ax1，ax2）=plt.subplot（ncols=2，figsize=（12，6），sharex=True，sharey=True）sns.scatterplot（data=finalDf_test，x='PC1_test'，y='PC2_test'，hue='L'，ax ax ax1）sns.scatterplt（data=finalDf train，x='PC1_train'，y='PC2_train'，hue='L'，ax ax ax ax2）plt.show（）您是否运行最新的seaborn（0.11.1.1.1.1）和pandas（1.2.3）版本？您的旧代码是否可以处理这些相同的数据帧？我的代码和测试数据在您的计算机上工作吗？您能否回答您的问题并添加完整的错误跟踪（作为文本）？