我有一些测试数据:
import numpy as np
x_data = np.arange(10)
y = np.random.rand(len(x_data))
具有不同的属性
ix1 = x_data < 5
ix2 = x_data >= 5
我想从视觉上调查差异,但我弄乱了情节:
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_context('poster')
fig, ax = plt.subplots(figsize=(4, 4))
for i, x in enumerate(x_data):
if ix1[i]:
sns.set_palette('rainbow', sum(ix1))
if ix2[i]:
sns.set_palette('coolwarm', sum(ix2))
plt.plot(x, y[i], 'o', label='{}'.format(x))
plt.legend(loc='best', prop={'size': 6})
plt.show()
结果应该是点 0-4 是彩虹(红-紫),点 5-9 是冷暖(蓝-白-红),而是:
那么,两个问题:
- 是否可以在调用
plt.subplots之后调用sns.set_palette()? - 有没有办法多次设置调色板?
请您参考如下方法:
不,由于 matplotlib 的工作方式,调色板是 Axes 对象的属性,因此无论当前设置的调色板是什么,Axes 都是创建的是它将要使用的内容。如果您想破解私有(private)属性(请参阅 here ),这是可以绕过的,但我真的不建议这样做。
以下是我可以针对您的情况得出的结论,使用的方法可能有所不同,但可能不会广泛适用:
pal1 = sns.color_palette('rainbow', sum(ix1))
pal2 = sns.color_palette('coolwarm', sum(ix2))
fig, ax = plt.subplots(figsize=(4, 4))
ax.scatter(x_data[ix1], y[ix1], c=pal1, s=60, label="smaller")
ax.scatter(x_data[ix2], y[ix2], c=pal2, s=60, label="larger")
ax.legend(loc="lower right", scatterpoints=5)
FWIW,这种可视化感觉非常复杂且难以处理(而且您选择的两个调色板有相当多的重叠,并不真正适合这些数据)因此可能值得从更简单的东西开始。
