seaborn中jointplot的2D KDE自定义画法：商用数据可视化

先来点图(doge)的先后对比，我们将一点点的地达到这个效果

常见的jointplot画法

本文以iris数据集为例进行说明，数据集长这样

当我们使用seaborn 0.11.2绘制两个特征（萼片和花瓣的长度）的联合KDE图（等高线图）时，如果采用基本方法，x，y就是俩方向轴（从iris_data的列里面挑),data数据源，kind是kde(kernel density estimate)，核密度估计简介

import pandas as pd
pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
import seaborn as sns

iris_filepath = "visual/iris.csv"
iris_data = pd.read_csv(iris_filepath, index_col="Id")

sns.jointplot(x='Petal Length (cm)', y='Sepal Width (cm)',data= iris_data, 
              kind="kde",
)
plt.show()

结果是这样

如果我们要把三种鸢尾花分开，可以改一行代码

sns.jointplot(x='Petal Length (cm)', y='Sepal Width (cm)',data= iris_data, 
              kind="kde",
              hue='Species'
)

可见，三种鸢尾花的分布被分开了

也许对于普通的需求而言，这样已经足够，但对于商用可视化而言是不够的，比如等高线没有层次感，色彩单调等问题。

下面是我boss的要求：中间的图要等高线变化对应色彩的变化，两边的图曲线下方加阴影，加上标题（doge)，另外还问我能不能改改颜色...

对于这合理（qi guai）的要求，我们来改代码

1.中间图的等高线变化对应着色彩的变化

我们给它加上阴影，对于单分布的代码改一哈

sns.jointplot(x='Petal Length (cm)', y='Sepal Width (cm)',data= iris_data, 
              kind="kde",
              shade = True,
)

 然后是三个分布的

sns.jointplot(x='Petal Length (cm)', y='Sepal Width (cm)',data= iris_data, 
              hue='Species',
              kind="kde",
              shade = True,
)

 这边重叠的有点丑，别急，我们改点透明度

sns.jointplot(x='Petal Length (cm)', y='Sepal Width (cm)',data= iris_data, 
              hue='Species',
              kind="kde",
              shade = True,
              joint_kws=dict(alpha =0.6)
)

其中，joint_kws是中间那个图的属性，要啥都可以往里面扔，它只要接受包含属性一个字典就行了，所以代码改成这样结果也是一样的啦

sns.jointplot(x='Petal Length (cm)', y='Sepal Width (cm)',data= iris_data, 
              hue='Species',
              kind="kde",
              joint_kws=dict(alpha =0.6,shade = True,)
)

2.边上两个图加阴影

对于这种无理要求，有的pandas版本是自带这玩意儿的，但如果是我这种比较倒霉的人，就没有（因为pandas版本），所以我们继续改代码（唉声叹气）

对于单分布，marginal_kws和joint_kws道理一样，但marginal_kws是管上边和右边那个图的

sns.jointplot(x='Petal Length (cm)', y='Sepal Width (cm)',data= iris_data,              
              kind="kde",
              joint_kws=dict(shade = True,),
              marginal_kws=dict(shade=True)
)

 对于三分布

sns.jointplot(x='Petal Length (cm)', y='Sepal Width (cm)',data= iris_data,              
              kind="kde",
              hue='Species',
              joint_kws=dict(alpha =0.6,shade = True,),
              marginal_kws=dict(shade=True)
)

3.改颜色

我们使用调色盘（Palette）改颜色，为了演示，我随便找了一个，注意：单分布和多分布调色盘

调色盘初始化方法不同

对于单分布，中间图的变化可以用cmap改

pal = sns.color_palette("CMRmap",as_cmap=True)

sns.jointplot(x='Petal Length (cm)', y='Sepal Width (cm)',data= iris_data,              
              kind="kde",
              cmap=pal,
              joint_kws=dict(alpha =0.6,shade = True),
              marginal_kws=dict(shade=True)
)

 

 对于三分布，我们这样写，本质上pal和pal2都是含颜色的列表，由于是三分布，我们就在palette=的那行，取列表的前三个元素

pal2 = sns.color_palette("CMRmap")

sns.jointplot(x='Petal Length (cm)', y='Sepal Width (cm)',data= iris_data, 
              kind="kde",
              joint_kws=dict(shade = True,alpha=0.5),
              marginal_kws=dict(shade=True,color='g'),
              palette=pal2[0:3],
              hue='Species')

 好啦，我滴任务完成了!

等等，标题没加(doge)

plt.title('看了那么多，喜欢就点个赞吧')