如何在海上平面图上绘制法线

问题描述

DISPLOT受到抨击，转而支持DISPLATE。

上一个函数具有绘制正常曲线的选项。

import seaborn as sns
import matplotlib.pyplot as plt
from scipy import stats

ax = sns.distplot(df.extracted, bins=40, kde=False, fit=stats.norm)

fit=stats.norm不再与dislot一起使用。在这个question的答案中，我看到了稍后绘制正态分布的方法，但是它是在一些平均在0左右的随机数据上完成的。

---

解决方案

• seaborn.displot是图形级别绘图，其中kind参数指定方法。当kind='hist'seaborn.histplot的参数可用时。
  • 有关轴级曲线图，请参阅How to add a standard normal pdf over a seaborn histogram
• seaborn.axisgrid.FacetGrid.map需要DataFrame列名，因此，要将pdf映射到seaborn.displot，数据需要在DataFrame中。
• 问题是x_pdf计算每个axes：
  • x0, x1 = p1.axes[0][0].get_xlim()
  • 如果多个方面(sharex=False)的axes不同，则无法获取.map内每个axes的xlim。
• 引用：
  • seaborn histplot and displot output doesn't match
  • Building structured multi-plot grids
• 测试于python 3.8.11、pandas 1.3.2、matplotlib 3.4.2、seaborn 0.11.2

单面

• .map可以使用

import pandas as pd
import seaborn as sns
import numpy as np
import scipy

# data
np.random.seed(365)
x1 = np.random.normal(10, 3.4, size=1000)  # mean of 10
df = pd.DataFrame({'x1': x1})

# display(df.head(3))
          x1
0  10.570932
1  11.779918
2  12.779077

# function for mapping the pdf
def map_pdf(x, **kwargs):
    mu, std = scipy.stats.norm.fit(x)
    x0, x1 = p1.axes[0][0].get_xlim()  # axes for p1 is required to determine x_pdf
    x_pdf = np.linspace(x0, x1, 100)
    y_pdf = scipy.stats.norm.pdf(x_pdf, mu, std)
    plt.plot(x_pdf, y_pdf, c='r')


p1 = sns.displot(data=df, x='x1', kind='hist', bins=40, stat='density')
p1.map(map_pdf, 'x1')

单面或多面

• 更容易遍历每个轴并添加pdf

# data
np.random.seed(365)
x1 = np.random.normal(10, 3.4, size=1000)  # mean of 10
x2 = np.random.standard_normal(1000)  # mean of 0
df = pd.DataFrame({'x1': x1, 'x2': x2}).melt()  # create long dataframe

# display(df.head(3))
  variable      value
0       x1  10.570932
1       x1  11.779918
2       x1  12.779077

p1 = sns.displot(data=df, x='value', col='variable', kind='hist', bins=40, stat='density', common_bins=False,
                 common_norm=False, facet_kws={'sharey': True, 'sharex': False})

# extract and flatten the axes from the figure
axes = p1.axes.ravel()

# iterate through each axes
for ax in axes:
    # extract the variable name
    var = ax.get_title().split(' = ')[1]
    
    # select the data for the variable
    data = df[df.variable.eq(var)]
    
    mu, std = scipy.stats.norm.fit(data['value'])
    x0, x1 = ax.get_xlim()
    x_pdf = np.linspace(x0, x1, 100)
    y_pdf = scipy.stats.norm.pdf(x_pdf, mu, std)
    ax.plot(x_pdf, y_pdf, c='r')