Moving osie w matplotlib nie jest tak proste, jak to było kiedyś w poprzednich wersjach. Poniższy działa z aktualną wersją matplotlib.
Jak zauważono w kilku miejscach (this question, również this issue) kilka poleceń z seaborn tworzy własną postać automatycznie. Jest to zakodowane na stałe w kodzie seaborn, więc obecnie nie ma sposobu na stworzenie takich działek na istniejących figurach. Są PairGrid
, FacetGrid
, JointGrid
, pairplot
, jointplot
i lmplot
.
Istnieje seaborn fork available, który pozwoliłby na dostarczenie siatki podplotu do odpowiednich klas tak, że wykres zostanie utworzony na wcześniejszej figurze. Aby z tego skorzystać, musisz skopiować axisgrid.py
z widelca do folderu seaborn. Zauważ, że obecnie jest to ograniczone do użycia z matplotlib 2.1 (prawdopodobnie również 2.0).
Alternatywą mogłoby być stworzenie Seaborn figurę i skopiuj osie do innego rysunku. Zasada tego jest pokazana w this answer i może być rozszerzona na wykresy Searborn. Implementacja jest nieco bardziej skomplikowana, niż się początkowo spodziewałem. Poniżej znajduje się klasa SeabornFig2Grid
, która może być wywołana z instancją siatki typu seaborn (zwrot dowolnego z powyższych poleceń), figurą matplotlib i subplot_spec
, która jest pozycją siatki gridspec
.
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import seaborn as sns
import numpy as np
class SeabornFig2Grid():
def __init__(self, seaborngrid, fig, subplot_spec):
self.fig = fig
self.sg = seaborngrid
self.subplot = subplot_spec
if isinstance(self.sg, sns.axisgrid.FacetGrid) or \
isinstance(self.sg, sns.axisgrid.PairGrid):
self._movegrid()
elif isinstance(self.sg, sns.axisgrid.JointGrid):
self._movejointgrid()
self._finalize()
def _movegrid(self):
""" Move PairGrid or Facetgrid """
self._resize()
n = self.sg.axes.shape[0]
m = self.sg.axes.shape[1]
self.subgrid = gridspec.GridSpecFromSubplotSpec(n,m, subplot_spec=self.subplot)
for i in range(n):
for j in range(m):
self._moveaxes(self.sg.axes[i,j], self.subgrid[i,j])
def _movejointgrid(self):
""" Move Jointgrid """
h= self.sg.ax_joint.get_position().height
h2= self.sg.ax_marg_x.get_position().height
r = int(np.round(h/h2))
self._resize()
self.subgrid = gridspec.GridSpecFromSubplotSpec(r+1,r+1, subplot_spec=self.subplot)
self._moveaxes(self.sg.ax_joint, self.subgrid[1:, :-1])
self._moveaxes(self.sg.ax_marg_x, self.subgrid[0, :-1])
self._moveaxes(self.sg.ax_marg_y, self.subgrid[1:, -1])
def _moveaxes(self, ax, gs):
#https://stackoverflow.com/a/46906599/4124317
ax.remove()
ax.figure=self.fig
self.fig.axes.append(ax)
self.fig.add_axes(ax)
ax._subplotspec = gs
ax.set_position(gs.get_position(self.fig))
ax.set_subplotspec(gs)
def _finalize(self):
plt.close(self.sg.fig)
self.fig.canvas.mpl_connect("resize_event", self._resize)
self.fig.canvas.draw()
def _resize(self, evt=None):
self.sg.fig.set_size_inches(self.fig.get_size_inches())
Wykorzystanie tej klasie będzie wyglądać następująco:
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import seaborn as sns; sns.set()
import SeabornFig2Grid as sfg
iris = sns.load_dataset("iris")
tips = sns.load_dataset("tips")
# An lmplot
g0 = sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips,
palette=dict(Yes="g", No="m"))
# A PairGrid
g1 = sns.PairGrid(iris, hue="species")
g1.map(plt.scatter, s=5)
# A FacetGrid
g2 = sns.FacetGrid(tips, col="time", hue="smoker")
g2.map(plt.scatter, "total_bill", "tip", edgecolor="w")
# A JointGrid
g3 = sns.jointplot("sepal_width", "petal_length", data=iris,
kind="kde", space=0, color="g")
fig = plt.figure(figsize=(13,8))
gs = gridspec.GridSpec(2, 2)
mg0 = sfg.SeabornFig2Grid(g0, fig, gs[0])
mg1 = sfg.SeabornFig2Grid(g1, fig, gs[1])
mg2 = sfg.SeabornFig2Grid(g2, fig, gs[3])
mg3 = sfg.SeabornFig2Grid(g3, fig, gs[2])
gs.tight_layout(fig)
#gs.update(top=0.7)
plt.show()
Zauważ, że może istnieć kilka wad z kopiowania osie i powyżej nie jest (jeszcze) dokładnie testowane.
@mwaskom, haha, Michael, z wystarczającą ilością hakowania może być to możliwe, :) –
@mwaskom jesteś na pewno ekspertem tutaj nie ja, ale poważnie myślę, że jest to bardzo pożądana cecha, która powinna być możliwa z konieczności. – Afloz