Seaborn 散点图图例显示真实值和标准化连续颜色

Question

我有一个数据框，我想用它来构建一个散点图，其中不同的点有不同的颜色：import numpy as npimport seaborn as snsimport matplotlib.pyplot as pltimport pandas as pddat=pd.DataFrame(np.random.rand(20, 2), columns=['x','y'])dat['c']=np.random.randint(0,100,20)dat['c_norm']=(dat['c']-dat['c'].min())/(dat['c'].max()-dat['c'].min())dat['group']=np.append(np.repeat('high',10), np.repeat('low',10))如您所见，该列c_norm显示该c列已在 0 和 1 之间标准化。我想显示一个连续图例，其颜色范围反映标准化值，但使用原始c值作为标签进行标记。比如说，最小值 ( 1)、最大值 ( 86) 和中值 ( 49)。我还希望根据group.到目前为止，我能够做到这一点：fig = plt.figure(figsize = (8,8))ax = fig.add_subplot(1,1,1) for row in dat.index:    if(dat.loc[row,'group']=='low'):        i_marker='.'    else:        i_marker='x'    ax.scatter(        x=dat.loc[row,'x'],        y=dat.loc[row,'y'],        s=50, alpha=0.5,        marker=i_marker    )    ax.legend(dat['c_norm'], loc='center right', bbox_to_anchor=(1.5, 0.5), ncol=1)问题：- 如何根据值生成连续图例？- 如何调整其刻度以显示原始刻度c，或至少显示一个min、、max和mean或median？提前致谢

Answer 1

部分回答。你真的需要根据规范值来确定你的标记颜色吗？请参阅下面代码段的输出。

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

dat = pd.DataFrame(np.random.rand(20, 2), columns=['x', 'y'])

dat['c'] = np.random.randint(0, 100, 20)

dat['c_norm'] = (dat['c'] - dat['c'].min()) / (dat['c'].max() - dat['c'].min())

dat['group'] = np.append(np.repeat('high', 10), np.repeat('low', 10))

fig, (ax, bx) = plt.subplots(nrows=1, ncols=2, num=0, figsize=(16, 8))

mask = dat['group'] == 'low'

scat = ax.scatter(dat['x'][mask], dat['y'][mask], s=50, c=dat['c'][mask],

                  marker='s', vmin=np.amin(dat['c']), vmax=np.amax(dat['c']),

                  cmap='plasma')

ax.scatter(dat['x'][~mask], dat['y'][~mask], s=50, c=dat['c'][~mask],

           marker='X', vmin=np.amin(dat['c']), vmax=np.amax(dat['c']),

           cmap='plasma')

cbar = fig.colorbar(scat, ax=ax)

scat = bx.scatter(dat['x'][mask], dat['y'][mask], s=50, c=dat['c_norm'][mask],

                  marker='s', vmin=np.amin(dat['c_norm']),

                  vmax=np.amax(dat['c_norm']), cmap='plasma')

bx.scatter(dat['x'][~mask], dat['y'][~mask], s=50, c=dat['c_norm'][~mask],

           marker='X', vmin=np.amin(dat['c_norm']),

           vmax=np.amax(dat['c_norm']), cmap='plasma')

cbar2 = fig.colorbar(scat, ax=bx)

plt.show()

您绝对可以修改第二个颜色条，使其与第一个颜色条匹配，但有必要吗？