Python 在pandas中，如何将数字类型转换为类别类型以与seaborn色调一起使用

我被困在一个看似简单的问题上，试图在我正在创建的散点图上给不同的组着色。我有以下示例数据帧和图形：

test_df = pd.DataFrame({ 'A' : 1.,
                    'B' : np.array([1, 5, 9, 7, 3], dtype='int32'),
                    'C' : np.array([6, 7, 8, 9, 3], dtype='int32'),
                    'D' : np.array([2, 2, 3, 4, 4], dtype='int32'),
                    'E' : pd.Categorical(["test","train","test","train","train"]),
                    'F' : 'foo' })

# fix to category
# test_df['D'] = test_df["D"].astype('category')

# and test plot
f, ax = plt.subplots(figsize=(6,6))
ax = sns.scatterplot(x="B", y="C", hue="D", s=100, 
                     data=test_df)

这将创建此图表：

但是，我希望为这3个类别中的每一个都提供一个分类量表，而不是一个连续的量表[2,3,4]。在我取消注释代码行

test_df['D']=…

后，要将此列更改为seaborn绘图中类别着色的类别列类型，我从seaborn绘图收到以下错误：

TypeError:数据类型未理解

是否有人知道将此数字列转换为用于着色的因子/分类列的正确方法

---

谢谢

我复制/粘贴了您的代码，添加了导入库，并删除了注释，因为我认为它看起来不错。我得到了一个值为[2,3,4]的带有“分类”颜色的绘图，而不改变任何代码

尝试使用以下命令更新seaborn模块：

pip安装--升级seaborn

下面是代码使用的工作库的列表

matplotlib==3.1.2
numpy==1.18.1
seaborn==0.10.0
pandas==0.25.3

。。。它在下面的代码中执行

将熊猫作为pd导入
将numpy作为np导入
将matplotlib.pyplot作为plt导入
导入seaborn作为sns
test_df=pd.DataFrame（{'A'：1。，
“B”：np.array（[1,5,9,7,3]，dtype='int32'），
'C'：np.array（[6,7,8,9,3]，dtype='int32'），
'D'：np.array（[2,2,3,4,4]，dtype='int32'），
“E”：pd.分类（[“测试”、“训练”、“测试”、“训练”、“训练”），
‘F’：‘foo’}）
#固定到类别
test_df['D']=test_df['D'].aType（'category'））
#试验区
f、 ax=plt.子批次（图尺寸=（6,6））
ax=sns.散点图（x=“B”，y=“C”，hue=“D”，s=100，
数据=测试（df）
plt.show（）

我复制/粘贴了您的代码，添加了用于导入的库，并删除了注释，因为我认为它看起来不错。我得到了一个值为[2,3,4]的带有“分类”颜色的绘图，而不改变任何代码

尝试使用以下命令更新seaborn模块：

pip安装--升级seaborn

下面是代码使用的工作库的列表

matplotlib==3.1.2
numpy==1.18.1
seaborn==0.10.0
pandas==0.25.3

。。。它在下面的代码中执行

将熊猫作为pd导入
将numpy作为np导入
将matplotlib.pyplot作为plt导入
导入seaborn作为sns
test_df=pd.DataFrame（{'A'：1。，
“B”：np.array（[1,5,9,7,3]，dtype='int32'），
'C'：np.array（[6,7,8,9,3]，dtype='int32'），
'D'：np.array（[2,2,3,4,4]，dtype='int32'），
“E”：pd.分类（[“测试”、“训练”、“测试”、“训练”、“训练”），
‘F’：‘foo’}）
#固定到类别
test_df['D']=test_df['D'].aType（'category'））
#试验区
f、 ax=plt.子批次（图尺寸=（6,6））
ax=sns.散点图（x=“B”，y=“C”，hue=“D”，s=100，
数据=测试（df）
plt.show（）

我遇到了相同的错误

TypeError:数据类型无法理解

。 解决方法是使用选项

legend=“full”

。在这种方法中，不需要转换为分类类型：

ax = sns.scatterplot(x="B", y="C", hue="D", s=100, legend="full", data=test_df)

另一种解决方案是使用自定义调色板：

ax = sns.scatterplot(x="B", y="C", hue="D", s=100, palette=["b", "g", "r"], data=test_df)

---

在这种情况下，颜色的数量必须等于“D”列中的唯一值。

我遇到了相同的错误

TypeError:data type not knowledged

。 解决方法是使用选项

legend=“full”

。在这种方法中，不需要转换为分类类型：

ax = sns.scatterplot(x="B", y="C", hue="D", s=100, legend="full", data=test_df)

另一种解决方案是使用自定义调色板：

ax = sns.scatterplot(x="B", y="C", hue="D", s=100, palette=["b", "g", "r"], data=test_df)

---

在这种情况下，颜色数必须等于“D”列中的唯一值。

建议使用catplot而不是散点图。。。它应该适当渲染。在seaborn的页面上看一下这里。您可能不需要f，ax=plt。子图（figsize=（6,6））线建议使用catplot而不是散点图。。。它应该适当渲染。在seaborn的页面上看一下这里。您可能不需要f，ax=plt.subplot（figsize=（6,6））行