Python嵌套绘图并为条形图添加自定义标注

论文绘图时经常需要多图嵌套,正好最近绘图用到了,记录一下使用Python实现多图嵌套的过程。

首先,实现 Seaborn 分别绘制折线图和柱状图。

|---|--------------------------------------------------------------------------------------------------|
| | '''绘制折线图''' |
| | import seaborn as sns |
| | import matplotlib.pyplot as plt |
| | import warnings |
| | warnings.filterwarnings("ignore", "use_inf_as_na") |
| | |
| | # 获取绘图数据 |
| | df_fmri=sns.load_dataset("fmri") |
| | # 绘制折线图 |
| | sns.lineplot(data=df_fmri, x="timepoint", y="signal", hue="event") |
| | |
| | # 创建绘图数据 |
| | df_bar=df_fmri[['subject','signal']].groupby('subject',observed=True).agg('max').reset_index() |
| | # 绘制条形图 |
| | ax_bar=sns.barplot( |
| | data=df_bar, |
| | x="subject", y="signal", |
| | palette='Set2', |
| | ) |

接下来实现条形图与折线图的嵌套,核心是使用 inset_axes 函数创建一个新的轴,然后再绘制第二个图时指定绘图的轴为刚才新建的轴。

|---|--------------------------------------------------------------------------------------------------|
| | from mpl_toolkits.axes_grid1.inset_locator import inset_axes |
| | import matplotlib.pyplot as plt |
| | |
| | # 获取绘图数据 |
| | df_fmri = sns.load_dataset("fmri") |
| | df_bar=df_fmri[['subject','signal']].groupby('subject',observed=True).agg('max').reset_index() |
| | |
| | # 绘制折线图 |
| | ax=sns.lineplot(data=df_fmri, x="timepoint", y="signal", hue="event") |
| | plt.legend(loc='upper left') |
| | |
| | # 使用 inset_axes 函数添加一个轴,用来显示条形图 |
| | ax_bar = inset_axes( |
| | ax, # 父轴 |
| | width='40%', height='50%', # 新轴相对于父轴的长宽比例 |
| | loc='lower left', # 新轴的锚点相对于父轴的位置 |
| | bbox_to_anchor=(0.55,0.45,1,1), # 新轴的bbox |
| | bbox_transform=ax.transAxes # bbox_to_anchor 的坐标基准 |
| | ) |
| | # 绘制条形图 |
| | ax_bar=sns.barplot( |
| | data=df_bar, |
| | x="subject", y="signal", |
| | palette='Set2', |
| | ax=ax_bar |
| | ) |

可以看到,右上角的条形图显得很拥挤,x轴标注相互重叠比较严重,因此,考虑将条形图由纵向变为横向,在 Seaborn 绘图时交换 x 轴和 y 轴就能实现。此外,bar上方的空间也比较大,考虑将x轴的标注标注到bar上方,以进一步节约空间。bar的标注可以通过 ax.bar_label() 函数实现,该函数不仅可以直接标注每个bar的数值,也可以自定义要标注的内容和格式。修改后的代码和结果图如下:

|---|--------------------------------------------------------------------------------------------------|
| | from mpl_toolkits.axes_grid1.inset_locator import inset_axes |
| | import matplotlib.pyplot as plt |
| | |
| | # 准备数据 |
| | df_fmri = sns.load_dataset("fmri") |
| | df_bar=df_fmri[['subject','signal']].groupby('subject',observed=True).agg('max').reset_index() |
| | |
| | # 绘制折线图 |
| | ax=sns.lineplot(data=df_fmri, x="timepoint", y="signal", hue="event") |
| | plt.legend(loc='upper left') |
| | |
| | # 使用 inset_axes 函数添加一个轴,用来显示条形图 |
| | ax_bar = inset_axes( |
| | ax, # 父轴 |
| | width='47%', height='52%', # 新轴相对于父轴的长宽比例 |
| | loc='lower left', # 新轴的锚点相对于父轴的位置 |
| | bbox_to_anchor=(0.5,0.44,1,1), # 新轴的bbox |
| | bbox_transform=ax.transAxes # bbox_to_anchor 的坐标基准 |
| | ) |
| | # 绘制条形图 |
| | ax_bar=sns.barplot( |
| | data=df_bar, |
| | # 交换 x 轴和 y 轴列名实现横向条形图 |
| | x="signal", y="subject", |
| | palette='Set2', |
| | ax=ax_bar |
| | ) |
| | # 使用 sns 的 bar_label 函数为条形图添加标注 |
| | ax_bar.bar_label( |
| | ax_bar.containers[0], # 条形图的 BarContainer 对象 |
| | labels=df_bar['subject'], # 要标注的labels,默认为 bar 的数值,此处传入自定义的label序列 |
| | label_type='edge', # 标注显示的位置,可选 edge 或 center |
| | padding=2, # 标注与bar之间的距离 |
| | # fmt='%.2f' # 标注格式化字符串 |
| | fontsize=10 # 设置标注的字体大小 |
| | ) |
| | # 为了避免标注超出绘图范围,将x轴的绘图范围扩大 |
| | plt.xlim(0,0.62) |
| | # 隐藏左侧y轴 |
| | ax_bar.yaxis.set_visible(False) |
| | # 去除多余的轴线 |
| | sns.despine() |

相关推荐
梧桐树04293 小时前
python常用内建模块:collections
python
Dream_Snowar3 小时前
速通Python 第三节
开发语言·python
蓝天星空5 小时前
Python调用open ai接口
人工智能·python
jasmine s5 小时前
Pandas
开发语言·python
郭wes代码5 小时前
Cmd命令大全(万字详细版)
python·算法·小程序
leaf_leaves_leaf5 小时前
win11用一条命令给anaconda环境安装GPU版本pytorch,并检查是否为GPU版本
人工智能·pytorch·python
夜雨飘零15 小时前
基于Pytorch实现的说话人日志(说话人分离)
人工智能·pytorch·python·声纹识别·说话人分离·说话人日志
404NooFound5 小时前
Python轻量级NoSQL数据库TinyDB
开发语言·python·nosql
天天要nx5 小时前
D102【python 接口自动化学习】- pytest进阶之fixture用法
python·pytest
minstbe5 小时前
AI开发:使用支持向量机(SVM)进行文本情感分析训练 - Python
人工智能·python·支持向量机