Python 用趋势线重新定向直方图和散点图

我有一个类似于下面代码中模拟的数据集。有两组观测值，一组用于X=0时的观测值，另一组用于X>0时的观测值

import numpy as np
import seaborn as sns; sns.set()
import matplotlib.pyplot as plt

X1 = np.random.normal(0, 1, 100)
X1 = X1 - np.min(X1)
Y1 = X1 + np.random.normal(0, 1, 100)

X0 = np.zeros(100)
Y0 = np.random.normal(0, 1.2, 100) + 2

X = np.concatenate((X1, X0))
Y = np.concatenate((Y1, Y0))

sns.distplot(Y0, color="orange")
plt.show()

sns.scatterplot(X, Y, hue = (X == 0), legend=False)
plt.show()

有两个图：带有KDE的直方图和散点图

我想用KDE获取直方图，旋转它，并根据散点图适当地确定方向。我还想为每一组观察结果添加一条趋势线

理想的结果如下所示：

---

在python中如何使用seaborn或matplotlib实现这一点？

这可以通过将

plt.subplot

与共享y轴相结合来实现，以保持比例和

sns

绘图。对于趋势线，您需要一些额外的计算，但可以使用

np

进行快速拟合。下面是一个如何实现你的目标的例子，这里是玩

将numpy导入为np
作为sns导入seaborn；sns.set（）
将matplotlib.pyplot作为plt导入
#准备一些数据
np.随机种子（2020年）
平均值_Y1=0
标准_Y1=1
尺寸_Y1=100
X1=np.随机.正常（平均值为1，标准值为1，尺寸为1）
X1=X1-np.min（X1）
Y1=X1+np.随机.正常（平均值为Y1，标准值为Y1，尺寸为Y1）
#这是用来计算趋势线的
Z=np.多边形拟合（X1，Y1，1）
Y_u1;=np.poly1d（Z）（X1）
平均值_Y0=2
标准_Y0=1.2
尺寸_Y0=100
X0=np.零（100）
Y0=np.随机.正常（平均值、标准值、大小）
X=np.连接（（X1，X0））
Y=np.连接（（Y1，Y0））
#现在是策划的时候了
图，axs=plt子批次（1,2,，
sharey=True，
figsize=（10,5），
gridspec_kw={'width_ratio'：（1,2）}
)
#控制地块之间的间距
图子批次调整（wspace=0.1）
#设置y轴的刻度：
axs[0].yaxis.set_tick_参数（left=False，labelleft=False，labelright=True）
#如果您愿意，可以使用以下工具旋转直方图上的XTICK：
axs[0].xaxis.set_tick_参数（旋转=90）
#柱状图
dist=sns.distplot（Y0，color=“橙色”，vertical=True，ax=axs[0]）
#现在我们需要得到峰的坐标，我们需要这条平均线
line_data=dist.get_line（）[0]。get_data（）
max_Y0=np.max（行数据[0]）
#绘制平均线
axs[0]。绘图（[0，max_Y0]，[mean_Y0，mean_Y0]，'--'，c='orange'）
#反转X轴
axs[0]。反转X轴（）
#绘制散射点
sns.scatterplot（X，Y，色调=（X==0），图例=False，ax=axs[1]）
#绘制趋势线
sns.lineplot（X1，Y，ax=axs[1]）
#你的意思是什么
axs[1]。绘图（[0，最大值（X1）]，[mean_Y0，mean_Y0]，'--'，c='orange'）
plt.show（）

输出：

---

我可以重新创建您的结果，您的评论非常有用。你做得很好——谢谢。很高兴帮助你！