seaborn distplot / displot与多个分布的关系

Question 1

我正在使用seaborn绘制分布图。我想在同一个图上用不同的颜色绘制多个分布图。

下面是我如何启动分布图。

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
iris = load_iris()
iris = pd.DataFrame(data= np.c_[iris['data'], iris['target']],columns= iris['feature_names'] + ['target'])
   sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)  target
0                5.1               3.5                1.4               0.2     0.0
1                4.9               3.0                1.4               0.2     0.0
2                4.7               3.2                1.3               0.2     0.0
3                4.6               3.1                1.5               0.2     0.0
4                5.0               3.6                1.4               0.2     0.0
sns.distplot(iris[['sepal length (cm)']], hist=False, rug=True);
替换代码1】列包含3个值。0, 1, 2.
我希望看到一个萼片长度的分布图，其中target ==0、target ==1和target ==2，共3张图。

Question 2


          
           重要的是按照
           
            target
           
           是
           
            0
           
           、
           
            1
           
           或
           
            2
           
           的值对数据帧进行排序。
          
          import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
import seaborn as sns
iris = load_iris()
iris = pd.DataFrame(data=np.c_[iris['data'], iris['target']],
                    columns=iris['feature_names'] + ['target'])
# Sort the dataframe by target
target_0 = iris.loc[iris['target'] == 0]
target_1 = iris.loc[iris['target'] == 1]
target_2 = iris.loc[iris['target'] == 2]
sns.distplot(target_0[['sepal length (cm)']], hist=False, rug=True)
sns.distplot(target_1[['sepal length (cm)']], hist=False, rug=True)
sns.distplot(target_2[['sepal length (cm)']], hist=False, rug=True)
plt.show()
The output looks like:
如果你不知道target可能有多少个值，找到target列中的唯一值，然后对数据框架进行切片，并适当地添加到绘图中。
import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
import seaborn as sns
iris = load_iris()
iris = pd.DataFrame(data=np.c_[iris['data'], iris['target']],
                    columns=iris['feature_names'] + ['target'])
unique_vals = iris['target'].unique()  # [0, 1, 2]
# Sort the dataframe by target
# Use a list comprehension to create list of sliced dataframes
targets = [iris.loc[iris['target'] == val] for val in unique_vals]
# Iterate through list and plot the sliced dataframe
for target in targets:
    sns.distplot(target[['sepal length (cm)']], hist=False, rug=True)

Question 3


          
           
            
             对于这种类型的问题，更常见的方法是使用melt将你的数据重塑为长格式，然后让map来完成剩下的工作。
            
            import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
import seaborn as sns
iris = load_iris()
iris = pd.DataFrame(data=np.c_[iris['data'], iris['target']], 
                    columns=iris['feature_names'] + ['target'])
# recast into long format 
df = iris.melt(['target'], var_name='cols',  value_name='vals')
df.head()
   target               cols  vals
0     0.0  sepal length (cm)   5.1
1     0.0  sepal length (cm)   4.9
2     0.0  sepal length (cm)   4.7
3     0.0  sepal length (cm)   4.6
4     0.0  sepal length (cm)   5.0
现在你可以通过创建一个FacetGrid并使用map来进行简单的绘制。
g = sns.FacetGrid(df, col='cols', hue="target", palette="Set1")
g = (g.map(sns.distplot, "vals", hist=False, rug=True))

Question 4


          
           
            
             
              
               任何试图使用新的0.11.0版本建立相同情节的人，Seaborn已经或正在废弃distplot，用dispot取代它。
              
              
               So the new version wise the code would be:
              
              import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
import seaborn as sns
iris = load_iris()
iris = pd.DataFrame(data=np.c_[iris['data'], iris['target']],
                    columns=iris['feature_names'] + ['target'])
sns.displot(data=iris, x='sepal length (cm)', hue='target', kind='kde', fill=True, palette=sns.color_palette('bright')[:3], height=5, aspect=1.5)
正如Raghav在评论区所问的，我们能否在不改变数据框架本身的情况下改变图表中的标签。是的，我们绝对可以。因此，我们首先将情节分配给一个名为chart的变量，然后做以下工作。
chart = sns.displot(data=iris, x='sepal length (cm)', hue='target', kind='kde', fill=True, palette=sns.color_palette('bright')[:3], height=5, aspect=1.5)
## Changing title
new_title = 'This is a NEW title'
chart._legend.set_title(new_title)
# Replacing labels
new_labels = ['label 1', 'label 2', 'label 3']
for t, l in zip(chart._legend.texts, new_labels):
    t.set_text(l)
最后的图表看起来如下所示。
希望这对拉加夫有帮助。

Question 5


          
           
            
             
              
               
                
                 我已经找到了一个更简单的解决方案，使用
                 
                  面形网格
                 
                 on
                 
                  https://github.com/mwaskom/seaborn/issues/861
                 
                 by
                 
                  城市人
                 
                 :
                
                import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
iris = load_iris()
iris = pd.DataFrame(data= np.c_[iris['data'], iris['target']],columns= iris['feature_names'] + ['target'])
g = sns.FacetGrid(iris, hue="target")
g = g.map(sns.distplot, "sepal length (cm)",  hist=False, rug=True)

Question 6


          
           
            
             
              
               
                
                 
                  一个更近的、更简单的选择。
                 
                 sns.displot(data=iris, x='sepal length (cm)', hue='target', kind='kde')

Question 7


          
           
            
             
              
               
                
                 
                  
                   如果有人想得到
                   
                    sns.distplot
                   
                   的面网，它已经被替换成数字级的选项。
                   
                    
                     sns.displot
                    
                   
                   ，以及一个轴级函数。
                   
                    
                     sns.histplot
                    
                   
                  
                  
                   这使得将数据从宽格式（如OP中所示）转换成长格式变得非常容易，通过使用
                   
                    
                     pandas.DataFrame.melt
                    
                   
                  
                  import pandas as pd
import seaborn as sns
iris = sns.load_dataset('iris')
# convert the dataframe from wide to long form
iris_melt = iris.melt(id_vars='species')
iris_melt.head()
  species      variable  value
0  setosa  sepal_length    5.1
1  setosa  sepal_length    4.9
2  setosa  sepal_length    4.7
3  setosa  sepal_length    4.6
4  setosa  sepal_length    5.0
sns.displot(
    data=iris_melt, 
    x='value', 
    hue='species', 
    kind='kde', 
    fill=True,