Python 如何覆盖两个海生地块？ 我有两个数据集，考虑下面的MWE，从中我想用不同的样式参数创建RelType。 from io import StringIO import numpy as np import pandas as pd import seaborn as sns data1 = """index x y group ground_x_A ground_y_A ground_x_B ground_y_B 0 27 26 A 20 15 40 45 1 26 27 A 20 15 40 45 2 28 22 A 20 15 40 45 3 25 24 A 20 15 40 45 4 29 31 A 20 15 40 45 5 46 29 B 20 15 40 45 6 39 37 B 20 15 40 45 7 38 41 B 20 15 40 45 8 44 46 B 20 15 40 45 9 46 38 B 20 15 40 45 10 37 33 B 20 15 40 45""" df = pd.read_csv(StringIO(data1), index_col=[0], sep=" ", skipinitialspace=True) sns.set_style("whitegrid") sns.relplot(data = df, x = 'x', y = 'y', hue = 'group', s = 25) sns.relplot(data = df, x = 'ground_x_A', y = 'ground_y_B', s = 100) sns.relplot(data = df, x = 'ground_x_B', y = 'ground_y_B', s = 100)

我想覆盖生成的图，即将它们组合成一个图，图2和图3中的点与图1中每组的颜色匹配。有人能给我指出正确的方向吗

我尝试调整示例中介绍的解决方案失败。

relplot会在每次调用时创建一个新的图形FaceGrid，因此您无法使用它。也就是说，relplot使用scatterplot进行实际绘图

palette={'A':'C3', 'B':'C4'}

sns.scatterplot(data = df, x = 'x', y = 'y', hue = 'group', s = 25, palette=palette)
sns.scatterplot(data = df, x = 'ground_x_A', y = 'ground_y_B', s = 100, color=palette['A'])
sns.scatterplot(data = df, x = 'ground_x_B', y = 'ground_y_B', s = 100, color=palette['B'])

relplot会在每次调用时创建一个新的图形FaceGrid，因此您不能使用它。也就是说，relplot使用scatterplot进行实际绘图

palette={'A':'C3', 'B':'C4'}

sns.scatterplot(data = df, x = 'x', y = 'y', hue = 'group', s = 25, palette=palette)
sns.scatterplot(data = df, x = 'ground_x_A', y = 'ground_y_B', s = 100, color=palette['A'])
sns.scatterplot(data = df, x = 'ground_x_B', y = 'ground_y_B', s = 100, color=palette['B'])

---

考虑使用concat将数据重组为长格式，以获得一个relplot，其中包含两行用于色调因子分解的新组值

main_df = df.loc[:, ['x', 'y', 'group']]

ground_A_df = (df.loc[:, ['ground_x_A', 'ground_y_A']]
                 .assign(group = 'ground_A')
                 .set_axis(['x', 'y', 'group'], axis='columns')
                 .drop_duplicates())
                
ground_B_df = (df.loc[:, ['ground_x_B', 'ground_y_B']]
                 .assign(group = 'ground_B')
                 .set_axis(['x', 'y', 'group'], axis='columns')
                 .drop_duplicates())
                
# BUILD LONG FORM DATASET           
long_df = pd.concat([main_df, ground_A_df, ground_B_df], ignore_index=True)


sns.set_style("whitegrid")
sns.relplot(data = long_df, x = 'x', y = 'y', hue = 'group', s = 25)

可选地，考虑将COL参数积分，并将接地点作为比其他数据点大的圆：

main_df=df.loc[：，['x'，'y'，'group']] .assignground=lambda x:x[“组”]，大小=25 具有列表理解的DRY-er代码 地面dfs=[df.loc[：，[f'ground_x{i}'，f'ground_y{i}'] .assigngroup=i，ground=i，size=100 .设置_轴['x'，'y'，'group'，'ground'，'size']，轴='columns' .删除重复项 对于列表'AB'中的i] 使用地面和大小的新列构建长格式数据集 long_df=pd.concat[main_df]+ground_dfs，ignore_index=True sns.set_stylewhitegrid sns.relplotdata=long_df，x='x'，y='y'，col='ground'， 色调='group'，大小='size'，图例='full'

---

考虑使用concat将数据重组为长格式，以获得一个relplot，其中包含两行用于色调因子分解的新组值

main_df = df.loc[:, ['x', 'y', 'group']]

ground_A_df = (df.loc[:, ['ground_x_A', 'ground_y_A']]
                 .assign(group = 'ground_A')
                 .set_axis(['x', 'y', 'group'], axis='columns')
                 .drop_duplicates())
                
ground_B_df = (df.loc[:, ['ground_x_B', 'ground_y_B']]
                 .assign(group = 'ground_B')
                 .set_axis(['x', 'y', 'group'], axis='columns')
                 .drop_duplicates())
                
# BUILD LONG FORM DATASET           
long_df = pd.concat([main_df, ground_A_df, ground_B_df], ignore_index=True)


sns.set_style("whitegrid")
sns.relplot(data = long_df, x = 'x', y = 'y', hue = 'group', s = 25)

可选地，考虑将COL参数积分，并将接地点作为比其他数据点大的圆：

main_df=df.loc[：，['x'，'y'，'group']] .assignground=lambda x:x[“组”]，大小=25 具有列表理解的DRY-er代码 地面dfs=[df.loc[：，[f'ground_x{i}'，f'ground_y{i}'] .assigngroup=i，ground=i，size=100 .设置_轴['x'，'y'，'group'，'ground'，'size']，轴='columns' .删除重复项 对于列表'AB'中的i] 使用地面和大小的新列构建长格式数据集 long_df=pd.concat[main_df]+ground_dfs，ignore_index=True sns.set_stylewhitegrid sns.relplotdata=long_df，x='x'，y='y'，col='ground'， 色调='group'，大小='size'，图例='full'

---

对于第二个重新绘制，您的意思是将x_A与y_A进行比较，并将后者误键入y_B？对于第二个重新绘制，您的意思是将x_A与y_A进行比较，并将后者误键入y_B？