每条直方图曲线下的渐变填充- Python
每条直方图曲线下的渐变填充- Python
提问于 2020-05-21 11:09:49
我正在尝试使用seaborn facet grid将多个直方图的渐变填充结合在一起，其中渐变由每条曲线下的值的扩散确定，而不仅仅是使用hue的row或col序列。下面有一些链接，它们在python中执行了一些类似的功能：
How to fill histogram with gradient color填充了一个发散的梯度，但每个直方图都独立于其他直方图，因此直方图之间的比较有点无效。使用下图，每个直方图应该是相对于其他直方图的。此外，它没有使用海运facet grid，这是这里的核心问题。
How to generate series of histograms不绘制直方图。它只是填充了曲线下的区域。
我发现了一些显示我希望执行的内容的图像，但它们似乎都是在R中生成的，没有使用python。我的假设是，到目前为止，使用seaborn的功能还不存在，我将不得不使用R，但我认为这将适用于许多用户。
使用下面的代码，我们可以将使用hue的渐变调整更改为row或col，但这不考虑曲线下的区域。
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
# Create the data
rs = np.random.RandomState(1979)
x = rs.randn(120)
g = np.tile(list("ABCD"), 30)
h = np.tile(list("XYZ"), 40)
# Generate df
df = pd.DataFrame(dict(x = x, g = g, h = h))
# Initialize the FacetGrid object
pal = sns.cubehelix_palette(4, rot = -0.25, light = 0.7)
g = sns.FacetGrid(df, col = 'h', hue = 'h', row = 'g', aspect = 3, height= 1, palette = pal)
# Draw the densities
g = g.map(sns.kdeplot, 'x', shade = True, alpha = 0.8, lw = 1, bw = 0.8)
g = g.map(sns.kdeplot, 'x', color= 'w', lw = 1, bw = 0.8)
g = g.map(plt.axhline, y = 0, lw = 1)
# Adjust title and axis labels directly
g.axes[0,0].set_ylabel('L 1')
g.axes[1,0].set_ylabel('L 2')
g.axes[2,0].set_ylabel('L 3')
g.axes[3,0].set_ylabel('L 4')
g.axes[0,0].set_title('Top 1')
g.axes[0,1].set_title('Top 2')
g.axes[0,2].set_title('Top 3')
g.axes[1,0].set_title('')
g.axes[1,1].set_title('')
g.axes[1,2].set_title('')
g.axes[2,0].set_title('')
g.axes[2,1].set_title('')
g.axes[2,2].set_title('')
g.axes[3,0].set_title('')
g.axes[3,1].set_title('')
g.axes[3,2].set_title('')
g.set_axis_labels(x_var = 'Total Amount')
g.set(yticks = [])输出：
有一个可以为row或col调整的梯度，但我希望将这个梯度传递到每个直方图曲线下面的区域。如上图所示。因此，每条曲线下的面积在小于零时会变亮，而在高于零时会变暗。
甚至将曲线下的面积调整到中值可能就足够了。
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-05-21 21:02:58
您可以创建图像渐变，并使用直方图本身作为图像的剪切路径，以便唯一可见的部分是曲线下的部分。
因此，您可以尝试创建图像时可用的任何cmap和规范化。
下面是一个快速示例：
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
# Create the data
rs = np.random.RandomState(1979)
x = rs.randn(120)
g = np.tile(list("ABCD"), 30)
h = np.tile(list("XYZ"), 40)
# Generate df
df = pd.DataFrame(dict(x = x, g = g, h = h))
# Initialize the FacetGrid object
pal = sns.cubehelix_palette(4, rot = -0.25, light = 0.7)
g = sns.FacetGrid(df, col = 'h', hue = 'h', row = 'g', aspect = 3, height= 1, palette = pal)
# Draw the densities
g = g.map(sns.kdeplot, 'x', shade = True, alpha = 0.8, lw = 1, bw = 0.8)
g = g.map(sns.kdeplot, 'x', color= 'w', lw = 1, bw = 0.8)
g = g.map(plt.axhline, y = 0, lw = 1)
for ax in g.axes.flat:
ax.set_title("")
# Adjust title and axis labels directly
for i in range(4):
g.axes[i,0].set_ylabel('L {:d}'.format(i))
for i in range(3):
g.axes[0,i].set_title('Top {:d}'.format(i))
# generate a gradient
cmap = 'coolwarm'
x = np.linspace(0,1,100)
for ax in g.axes.flat:
im = ax.imshow(np.vstack([x,x]), aspect='auto', extent=[*ax.get_xlim(), *ax.get_ylim()], cmap=cmap, zorder=10)
path = ax.collections[0].get_paths()[0]
patch = matplotlib.patches.PathPatch(path, transform=ax.transData)
im.set_clip_path(patch)
g.set_axis_labels(x_var = 'Total Amount')
g.set(yticks = [])
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/61926533
复制相关文章
相似问题
腾讯云开发者
