Блог

Я хотел бы сгенерировать одну фигуру, которая имеет две оси y: Count (из гистограммы) и Density (из KDE).

Я хочу использовать sns.displot в Seaborn >= v 0.11 .

 import seaborn as sns

df = sns.load_dataset('tips')

# graph 1: This should be the Y-Axis on the left side of the figure
sns.displot(df['total_bill'], kind='hist', bins=10)

# graph 2: This should be the Y-axis on the right side of the figure
sns.displot(df['total_bill'], kind='kde')
 

Написанный мной код генерирует два отдельных графика; я мог бы просто использовать сетку фасетов для двух отдельных графиков, но я хочу быть более кратким и поместить две оси y на двух отдельных сетках в одну фигуру, разделяющую одну и ту же ось x.

displot() это функция уровня рисунка, которая может создавать несколько подзаголовков внутри рисунка. Таким образом, у вас нет контроля над отдельными осями.

Для создания комбинированных графиков вы можете использовать функции уровня базовых осей: histplot() и kdeplot() для Seaborn v.0.11. Эти функции принимают ax= параметр. twinx() создает вторую ось y.

 import matplotlib.pyplot as plt
import seaborn as sns

df = sns.load_dataset('tips')

fig, ax = plt.subplots()

sns.histplot(df['total_bill'], bins=10, ax=ax)

ax2 = ax.twinx()
sns.kdeplot(df['total_bill'], ax=ax2)

plt.tight_layout()
plt.show()
 

Редактировать:

Как упоминалось в комментариях, оси y не выровнены. Левая ось только что-то говорит о гистограмме. Например. самая высокая ячейка, имеющая высоту 68, означает, что между и находится ровно 68 счетов 12.618 17.392 . Правая ось только что-то говорит о kde. Например. значение y 0.043 для x=20 будет означать, что вероятность того, что общий счет будет находиться между и, составляет около 4,3% 19.5 20.5 .

Чтобы выровнять обе похожие sns.histplot(..., kde=True) , можно вычислить площадь гистограммы (ширина ячейки, умноженная на количество значений данных) и использовать в качестве коэффициента масштабирования. Такое масштабирование сделало бы площадь гистограммы и область под кривой kde равными при измерении в пикселях:

 num_bins = 10
bin_width = (df['total_bill'].max() - df['total_bill'].min()) / num_bins
hist_area = len(df) * bin_width
ax2.set_ylim(ymax=ax.get_ylim()[1] / hist_area)
 

Обратите внимание, что правая ось была бы более похожа на процент, если бы гистограмма использовала ширину ячейки со степенью десять (например sns.histplot(..., bins=np.arange(0, df['total_bill'].max() 10, 10) ). Какие ячейки будут наиболее подходящими, сильно зависит от того, как вы хотите интерпретировать свои данные.