La modification de la couleur et le marqueur de chaque point à l'aide de seaborn jointplot

J'ai ce code légèrement modifié à partir de ici :

import seaborn as sns
sns.set(style="darkgrid")

tips = sns.load_dataset("tips")
color = sns.color_palette()[5]
g = sns.jointplot("total_bill", "tip", data=tips, kind="reg", stat_func=None,
                  xlim=(0, 60), ylim=(0, 12), color='k', size=7)

g.set_axis_labels('total bill', 'tip', fontsize=16)

et je reçois une jolie parcelle Cependant, pour mon cas, j'ai besoin d'être en mesure de modifier la couleur ET le format de chaque point.

J'ai essayé d'utiliser les mots clés, marker, style, et fmt, mais je reçois l'erreur TypeError: jointplot() got an unexpected keyword argument.

Quelle est la bonne façon de le faire? J'aimerais éviter d'appeler sns.JointGrid et la représentation des données et les distributions marginales manuellement..

Peut-être que je suis missunderstanding, mais selon cette réponse, vous ne pouvez pas vous passer d'une liste de marqueurs de plt.scatter et donc la seaborn wrapper ne fonctionne pas, soit.
Tirer. Je vais devoir le modifier. Il serait peut-être possible d'effacer les points de la figure est créé et de l'intrigue de chacun d'eux individuellement
Il a fini par être pas trop dur. Tout ce que j'avais à faire était de g.ax_joint.cla() pour effacer les axes où les points sont tracés et puis tracez les points à l'aide de la réponse que vous avez mentionné. La régression est parti, mais je n'ai pas vraiment besoin de cette partie de toute façon tout les points avec les distributions marginales
Pouvez vous s'il vous plaît répondre à votre propre question en montrant votre code (et il faut l'accepter)? Encore mieux si vous pouvez ajouter une image personnes, l'avenir peut être une référence 🙂

OriginalL'auteur pbreach | 2014-11-18

  1. 16

    La résolution de ce problème est presque pas différent de celui de matplotlib (tracer un nuage de points avec différents marqueurs et les couleurs), sauf que je voulais garder les distributions marginales:

    import seaborn as sns
from itertools import product
sns.set(style="darkgrid")

tips = sns.load_dataset("tips")
color = sns.color_palette()[5]
g = sns.jointplot("total_bill", "tip", data=tips, kind="reg", stat_func=None,
                  xlim=(0, 60), ylim=(0, 12), color='k', size=7)

#Clear the axes containing the scatter plot
g.ax_joint.cla()

#Generate some colors and markers
colors = np.random.random((len(tips),3))
markers = ['x','o','v','^','<']*100

#Plot each individual point separately
for i,row in enumerate(tips.values):
    g.ax_joint.plot(row[0], row[1], color=colors[i], marker=markers[i])

g.set_axis_labels('total bill', 'tip', fontsize=16)

    Qui me donne ceci:

    La modification de la couleur et le marqueur de chaque point à l'aide de seaborn jointplot

    De la ligne de régression est maintenant disparu, mais c'est tout ce dont j'avais besoin.

    plt.scatter ne dispose d'aucun moyen pour contrôler le marqueur utilisé pour différents points, donc quelque chose comme ceci est probablement votre meilleur pari, mais vous pouvez le faire g.ax_joint.collections[0].set_visible(False) au lieu d'effacer l'ensemble des Axes, ce qui permettra de conserver la ligne de régression.
    Bizarrement, cela ne fonctionnait lors de la spécification de la marque. Sans cela, il ne sera pas tracé les points!

    OriginalL'auteur pbreach

  2. 12

    Accepté la réponse est trop compliqué. plt.sca() peut être utilisé pour ce faire d'une manière simple:

    import matplotlib.pyplot as plt
import seaborn as sns

tips = sns.load_dataset("tips")
g = sns.jointplot("total_bill", "tip", data=tips, kind="reg", stat_func=None,
                  xlim=(0, 60), ylim=(0, 12))


g.ax_joint.cla() # or g.ax_joint.collections[0].set_visible(False), as per mwaskom's comment

# set the current axis to be the joint plot's axis
plt.sca(g.ax_joint)

# plt.scatter takes a 'c' keyword for color
# you can also pass an array of floats and use the 'cmap' keyword to
# convert them into a colormap
plt.scatter(tips.total_bill, tips.tip, c=np.random.random((len(tips), 3)))
    Je recommande le saut de l'appel à plt.sca et en utilisant les axes de l'objet directement: g.ax_joint.scatter(tips.total_bill, ...). Éviter les pyplot de machine d'état lorsque cela est possible.

    OriginalL'auteur Max Shron

  3. 3

    Vous pouvez aussi directement précis dans la liste d'arguments, grâce au mot-clé : joint_kws (testé avec seaborn 0.8.1). Si nécessaire, vous pouvez également modifier les propriétés de la marginales avec marginal_kws

    De sorte que votre code devient : 

    import seaborn as sns
colors = np.random.random((len(tips),3))
markers = (['x','o','v','^','<']*100)[:len(tips)]

sns.jointplot("total_bill", "tip", data=tips, kind="reg",
    joint_kws={"color":colors, "marker":markers})

    OriginalL'auteur Vincent Jeanselme

  4. 1
    1. Dans seaborn/categorical.py, trouver def swarmplot.
    2. Ajouter un paramètre marker='o' avant **kwargs
    3. Dans kwargs.update, ajouter marker=marker.

    Puis ajouter par ex. marker='x' comme paramètre lors de la représentation avec sns.swarmplot() comme vous le feriez avec Matplotlib plt.scatter().

    Vient de partout le même besoin, et d'avoir marker comme un kwarg n'a pas de travail. J'ai donc eu un bref coup d'oeil. On peut définir d'autres paramètres de façon similaire.
    https://github.com/ccneko/seaborn/blob/master/seaborn/categorical.py

    Seulement un petit changement nécessaire ici, mais voici le GitHub fourche page pour référence rapide 😉

    OriginalL'auteur Claire

  5. 0

    Une autre option est d'utiliser JointGrid, depuis jointplot est un wrapper qui simplifie son utilisation.

    import matplotlib.pyplot as plt
import seaborn as sns

tips = sns.load_dataset("tips")

g = sns.JointGrid("total_bill", "tip", data=tips)
g = g.plot_joint(plt.scatter, c=np.random.random((len(tips), 3)))
g = g.plot_marginals(sns.distplot, kde=True, color="k")

    OriginalL'auteur Vlamir

  6. -1

    Les deux autres réponses sont complexes extravagances (en fait, ils sont par des gens qui comprennent vraiment ce qui se passe sous le capot).

    Voici une réponse de quelqu'un qui est juste deviner. Il fonctionne bien!

    tips = sns.load_dataset("tips")
g = sns.jointplot("total_bill", "tip", data=tips,
              c=tips.day.cat.codes, cmap='Set1', stat_func=None,
              xlim=(0, 60), ylim=(0, 12))
    Je ne pense pas que cela fonctionne; je l'ai juste essayé en seaborn 0.7.1 et a obtenu ValueError: Supply a 'c' kwarg or a 'color' kwarg but not both; they differ but their functionalities overlap. aussi beau Que ce serait si le c argument pourrait être une collection, je ne pense pas qu'il le peut.

    OriginalL'auteur riri