HOWTO · Seaborn

Mehrzeiliges Diagramm Seaborn

Erstellen und passen Sie mehrere Seaborn-Linien aus Daten im Breit- oder Längsformat an.

Auf dieser Seite

Für ein Liniendiagramm mit mehreren Linien in Seaborn legen Sie jede Datenreihe in einer eigenen Spalte eines pandas-DataFrames ab und übergeben den DataFrame an lineplot(). Bei Daten im Langformat ordnen Sie die Wert- und Reihen-Spalten den Parametern y und hue zu. Anschließend können Sie das Erscheinungsbild der Linien anpassen und die Schrift im Diagramm skalieren.

Mehrere Linien aus Daten im Breitformat erstellen

Legen Sie für fünf Messreihen jede Reihe in einer eigenen DataFrame-Spalte ab und übergeben Sie den DataFrame an lineplot(). Der Index liefert die x-Werte, und aus jeder Spalte wird eine eigene Linie. Das folgende vollständige Beispiel erstellt den DataFrame und das Diagramm: Die Beschriftungen in den unveränderten Beispielen bleiben auf Englisch, darunter „Index“, „Value“ und „Five series“.

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

values = {
    "A": [11, 3, 0, 0, 0, 0],
    "B": [1, 8, 16, 0, 0, 1],
    "C": [0, 0, 3, 12, 0, 0],
    "D": [2, 1, 0, 0, 13, 0],
    "E": [0, 0, 0, 0, 0, 16],
}
data = pd.DataFrame(values, index=range(6))

ax = sns.lineplot(data=data)
ax.set(xlabel="Index", ylabel="Value", title="Five series")
plt.tight_layout()
plt.show()

Der bereitgestellte Lauf hat dieses Beispiel erfolgreich mit Exit-Code 0 und ohne Standardausgabe abgeschlossen. Installieren Sie pandas, Seaborn und Matplotlib in Ihrer Python-Umgebung, um es lokal auszuführen. Wenn Ihre Werte bereits in einem NumPy-Array vorliegen, übergeben Sie dieses Array an pd.DataFrame(); mit numpy.array() erstellen Sie in NumPy ein Array aus Werten.

Mehrere Reihen aus Daten im Langformat darstellen

Bei Daten im Langformat steht jede Beobachtung in einer eigenen Zeile. Die Spalten enthalten den x-Wert, die Kennung der Datenreihe und den Messwert. Übergeben Sie diese Spaltennamen als x, hue und y: Seaborn verwendet x für die horizontalen Positionen, y für die vertikalen Werte und hue, um für jede Datenreihe eine eigene Linie zu zeichnen.

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

long_data = pd.DataFrame(
    [
        (0, "A", 11), (1, "A", 3), (2, "A", 0),
        (0, "B", 1), (1, "B", 8), (2, "B", 16),
        (0, "C", 0), (1, "C", 0), (2, "C", 3),
    ],
    columns=["x", "series", "value"],
)

ax = sns.lineplot(data=long_data, x="x", y="value", hue="series")
ax.set(title="Three series", ylabel="Value")
plt.tight_layout()
plt.show()

Der bereitgestellte Lauf hat auch dieses zweite Beispiel erfolgreich mit Exit-Code 0 und ohne Standardausgabe abgeschlossen. Verwenden Sie das Breitformat, wenn jede Datenreihe bereits eine eigene Spalte hat; das Langformat eignet sich, wenn jede Zeile eine Datenreihe und eine Beobachtung kennzeichnet. Beschriften Sie in beiden Fällen die Achsen aussagekräftig, damit die dargestellten Werte verständlich sind.

Erscheinungsbild von Linien und Markern anpassen

Bei Daten im Langformat trennt hue die Datenreihen, und eine Farbpalette weist ihnen Farben zu. Mit markers=True und style="series" in lineplot() können Sie außerdem jeder Reihe eine eigene Markierungsform zuweisen. Wenn alle Reihen dasselbe Symbol verwenden sollen, wählen Sie stattdessen eine gemeinsame Markierungsform. Setzen Sie legend=False, wenn die Linien bereits an anderer Stelle gekennzeichnet sind. Eine Legende ist hilfreich, wenn sie die Zuordnung von Farben oder Markern erklärt.

Für eine gezielte Anpassung des Linienerscheinungsbilds können Sie die vom Diagramm zurückgegebenen Linienobjekte formatieren. So legen Sie Markergröße und Randdetails über die Linieneigenschaften von Matplotlib fest, während Seaborn die Zuordnung der Datenreihen und die Auswahl der Farbpalette übernimmt:

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

long_data = pd.DataFrame(
    [(x, series, value) for series, values in {
        "A": [11, 3, 0], "B": [1, 8, 16], "C": [0, 0, 3]
    }.items() for x, value in enumerate(values)],
    columns=["x", "series", "value"],
)

ax = sns.lineplot(
    data=long_data,
    x="x",
    y="value",
    hue="series",
    palette="dark",
    legend=False,
)
for line in ax.lines:
    line.set_linewidth(2)
    line.set_marker("o")
    line.set_markersize(7)
    line.set_markerfacecolor("white")
    line.set_markeredgecolor("red")
    line.set_markeredgewidth(1.5)
ax.set(title="Styled series", ylabel="Value")
plt.tight_layout()
plt.show()

Der bereitgestellte Lauf hat dieses Beispiel zur Formatierung erfolgreich mit Exit-Code 0 und ohne Standardausgabe abgeschlossen. Die Linienbreite bestimmt die Strichstärke, die Markergröße die Symbolgröße. Füll- und Randfarbe des Markers heben das Symbol von der Linie ab; die Randbreite legt die Stärke seiner Umrandung fest. Wählen Sie Markerform und Farbpalette passend zum Diagramm und lassen Sie eine Legende stehen, wenn Leserinnen und Leser sie zur Identifizierung der Datenreihen benötigen.

Schriftgröße im Diagramm anpassen

Legen Sie die Schrift-Skalierung von Seaborn fest, bevor Sie das Diagramm erstellen, um den Diagrammtext zu vergrößern oder zu verkleinern. Ein Wert über 1 vergrößert die Schrift gegenüber der Standardeinstellung, ein Wert unter 1 verkleinert sie. Die Einstellung gilt für die Textelemente des Diagramms, darunter Beschriftungen und Teilstrichbeschriftungen.

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

sns.set(font_scale=1.3)
data = pd.DataFrame({"A": [2, 4, 3], "B": [1, 3, 5]})
ax = sns.lineplot(data=data, markers=True)
ax.set(title="Scaled plot text", xlabel="Index", ylabel="Value")
plt.tight_layout()
plt.show()

Der bereitgestellte Lauf hat auch dieses letzte Beispiel erfolgreich mit Exit-Code 0 und ohne Standardausgabe abgeschlossen. Passen Sie font_scale an den verfügbaren Platz für das Diagramm und seine Beschriftungen an.