快捷導(dǎo)航

使用Python實(shí)現(xiàn)嵌套繪圖并為條形圖添加自定義標(biāo)注

更新時(shí)間：2024年02月27日 08:36:06 作者：geoli91

論文繪圖時(shí)經(jīng)常需要多圖嵌套,正好最近繪圖用到了,所以這篇文章主要為大家詳細(xì)介紹了如何使用Python實(shí)現(xiàn)嵌套繪圖并為條形圖添加自定義標(biāo)注,感興趣的可以了解下

論文繪圖時(shí)經(jīng)常需要多圖嵌套，正好最近繪圖用到了，記錄一下使用Python實(shí)現(xiàn)多圖嵌套的過程。

首先，實(shí)現(xiàn) Seaborn 分別繪制折線圖和柱狀圖。

'''繪制折線圖'''
import seaborn as sns
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings("ignore", "use_inf_as_na")
 
# 獲取繪圖數(shù)據(jù)
df_fmri=sns.load_dataset("fmri")
# 繪制折線圖
sns.lineplot(data=df_fmri, x="timepoint", y="signal", hue="event")
 
# 創(chuàng)建繪圖數(shù)據(jù)
df_bar=df_fmri[['subject','signal']].groupby('subject',observed=True).agg('max').reset_index()
# 繪制條形圖
ax_bar=sns.barplot(
    data=df_bar,
    x="subject", y="signal",
    palette='Set2',
)

接下來實(shí)現(xiàn)條形圖與折線圖的嵌套，核心是使用 inset_axes 函數(shù)創(chuàng)建一個(gè)新的軸，然后再繪制第二個(gè)圖時(shí)指定繪圖的軸為剛才新建的軸。

from mpl_toolkits.axes_grid1.inset_locator import inset_axes
import matplotlib.pyplot as plt
 
# 獲取繪圖數(shù)據(jù)
df_fmri = sns.load_dataset("fmri")
df_bar=df_fmri[['subject','signal']].groupby('subject',observed=True).agg('max').reset_index()
 
# 繪制折線圖
ax=sns.lineplot(data=df_fmri, x="timepoint", y="signal", hue="event")
plt.legend(loc='upper left')
 
# 使用 inset_axes 函數(shù)添加一個(gè)軸，用來顯示條形圖
ax_bar = inset_axes(
    ax, # 父軸
    width='40%', height='50%', # 新軸相對(duì)于父軸的長寬比例
    loc='lower left', # 新軸的錨點(diǎn)相對(duì)于父軸的位置
    bbox_to_anchor=(0.55,0.45,1,1), # 新軸的bbox
    bbox_transform=ax.transAxes # bbox_to_anchor 的坐標(biāo)基準(zhǔn)
    )
# 繪制條形圖
ax_bar=sns.barplot(
    data=df_bar,
    x="subject", y="signal", 
    palette='Set2',
    ax=ax_bar
)

可以看到，右上角的條形圖顯得很擁擠，x軸標(biāo)注相互重疊比較嚴(yán)重，因此，考慮將條形圖由縱向變?yōu)闄M向，在 Seaborn 繪圖時(shí)交換 x 軸和 y 軸就能實(shí)現(xiàn)。此外，bar上方的空間也比較大，考慮將x軸的標(biāo)注標(biāo)注到bar上方，以進(jìn)一步節(jié)約空間。bar的標(biāo)注可以通過 ax.bar_label() 函數(shù)實(shí)現(xiàn)，該函數(shù)不僅可以直接標(biāo)注每個(gè)bar的數(shù)值，也可以自定義要標(biāo)注的內(nèi)容和格式。修改后的代碼和結(jié)果圖如下：

from mpl_toolkits.axes_grid1.inset_locator import inset_axes
import matplotlib.pyplot as plt
 
# 準(zhǔn)備數(shù)據(jù)
df_fmri = sns.load_dataset("fmri")
df_bar=df_fmri[['subject','signal']].groupby('subject',observed=True).agg('max').reset_index()
 
# 繪制折線圖
ax=sns.lineplot(data=df_fmri, x="timepoint", y="signal", hue="event")
plt.legend(loc='upper left')
 
# 使用 inset_axes 函數(shù)添加一個(gè)軸，用來顯示條形圖
ax_bar = inset_axes(
    ax, # 父軸
    width='47%', height='52%', # 新軸相對(duì)于父軸的長寬比例
    loc='lower left', # 新軸的錨點(diǎn)相對(duì)于父軸的位置
    bbox_to_anchor=(0.5,0.44,1,1), # 新軸的bbox
    bbox_transform=ax.transAxes # bbox_to_anchor 的坐標(biāo)基準(zhǔn)
    )
# 繪制條形圖
ax_bar=sns.barplot(
    data=df_bar,
    # 交換 x 軸和 y 軸列名實(shí)現(xiàn)橫向條形圖
    x="signal", y="subject", 
    palette='Set2',
    ax=ax_bar
)
# 使用 sns 的 bar_label 函數(shù)為條形圖添加標(biāo)注
ax_bar.bar_label(
    ax_bar.containers[0], # 條形圖的 BarContainer 對(duì)象
    labels=df_bar['subject'], # 要標(biāo)注的labels，默認(rèn)為 bar 的數(shù)值，此處傳入自定義的label序列
    label_type='edge', # 標(biāo)注顯示的位置，可選 edge 或 center
    padding=2, # 標(biāo)注與bar之間的距離
    # fmt='%.2f' # 標(biāo)注格式化字符串
    fontsize=10 # 設(shè)置標(biāo)注的字體大小
    )
# 為了避免標(biāo)注超出繪圖范圍，將x軸的繪圖范圍擴(kuò)大
plt.xlim(0,0.62)
# 隱藏左側(cè)y軸
ax_bar.yaxis.set_visible(False)
# 去除多余的軸線
sns.despine()