HOWTO · Seaborn

Seaborn 多线图

从宽格式或长格式数据创建并自定义多条 Seaborn 线条。

本页内容

使用 Seaborn 绘制多条折线时,可将每个数据系列放在 pandas DataFrame 的一列中,再将该 DataFrame 传给 lineplot()。对于长格式数据,将数值列和系列标识列分别映射到 y 和 hue。之后还可以调整线条外观和图中文字大小。

从宽格式数据绘制多条线

要绘制五个测量系列,请将每个系列放在 DataFrame 的单独一列中,再将该 DataFrame 传给 lineplot()。索引提供 x 值,每一列则绘制为一条独立的线。下面的完整示例会创建 DataFrame 并绘制图表:未修改的示例中,坐标轴标签与标题保持英文,包括「Index」、「Value」和「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()

提供的运行记录显示,此示例已成功运行,退出码为 0,且没有标准输出。要在本地运行,请在 Python 环境中安装 pandas、Seaborn 和 Matplotlib。如果数据已经存放在 NumPy 数组中,可将该数组传给 pd.DataFrame();numpy.array() 是根据数值创建数组的 NumPy 构造函数。

从长格式数据绘制多个系列

长格式数据每行存放一条观测记录,并包含表示 x 值、系列标识和测量值的列。将这些列名分别传给 x、hue 和 y:Seaborn 使用 x 指定水平位置、使用 y 指定垂直数值,并通过 hue 为每个系列绘制一条独立的线。

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()

提供的运行记录显示,第二个示例已成功运行,退出码为 0,且没有标准输出。如果每个系列已经各占一列,可使用宽格式;如果每行表示一个系列的一条观测记录,则可使用长格式。无论采用哪种格式,都应为坐标轴设置清晰的标签,帮助读者理解图中的数值。

自定义线条和标记外观

对于长格式数据,hue 用于区分系列,调色板则为各系列指定颜色。还可以在 lineplot() 中设置 markers=True 和 style="series",让每个系列显示不同形状的标记;如果希望所有系列共用同一种符号,也可以指定一个标记。若线条已在其他位置标明身份,可设置 legend=False;如果图例能说明颜色或标记的对应关系,保留图例会更有帮助。

若要直接控制线条外观,可以调整绘图返回的线条对象。这样,标记大小和边缘细节由 Matplotlib 的线条属性控制,而系列映射和调色板选择仍由 Seaborn 处理:

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()

提供的运行记录显示,此样式示例已成功运行,退出码为 0,且没有标准输出。线宽控制线条的粗细;标记大小控制符号的尺寸;标记填充色和边缘色可让符号与线条有所区别,而边缘宽度控制轮廓的粗细。可根据图表需要更换标记形状或调色板;只要读者需要借助图例辨认系列,就应保留图例。

调整图中文字大小

在创建图表前设置 Seaborn 的字体缩放值,即可放大或缩小图中文字。缩放值大于 1 时,文字会比默认大小更大;小于 1 时则会缩小。此设置会影响图表中的文字元素,包括标签和刻度文字。

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()

提供的运行记录显示,最后一个示例已成功运行,退出码为 0,且没有标准输出。调整 font_scale,让图表及其标签适合可用空间。