python - 自动设置 matplotlib 范围的 Y 限制

Question

我被要求使用 seaborn 绘制一些直方图和 KDE。我们只想关注 X 轴的范围，所以我使用ax.set_xlim(20_000, 42_460). 在某些情况下，大多数数据都在 20.000 之前，因此该图如下所示：

完整的情节如下所示：

有数据，但由于大部分都在 (0,20.000) 范围内，matplotlib 将 Y 限制调整到它，并且在 (20.000, 42.460) 范围内，数据无法被欣赏。

我想知道一种自动调整 Y 限制的方法，以便范围 (20.000, 42.460) 中的数据可见。我被要求不要只绘制范围（20.000、42.460），我必须绘制范围（0、42.460）然后放大范围（20.000、42.460）。

我发现Axes.relim()这可以争论visible_only=True，但它似乎没有像我预期的那样工作。

其他选项可能是使用不同的库来计算直方图数据，然后计算 Y 限制并设置它，ax.set_ylim(0, range_max)但我们也在绘制具有相同问题并且可能更复杂的 seaborn KDE。这是一个很好的情节的形象：

编辑：

要重现该图，请使用此数据和此代码：

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

ages = {
    '25-34':'blue',
    '35-44': 'orange',
    '45-54': 'green',
    '55-64': 'red',
}
markers = [plt.Line2D([0,0],[0,0],color=color, marker='o', linestyle='') for color in ages.values()]

data = pd.read_csv("./data.csv")

min = 20_000
max = 42_460

fig = plt.figure(figsize=(10,11))
fig.suptitle("Title", fontsize=12)
fig.legend(markers, ages.keys(),loc='center right')
gs = fig.add_gridspec(3, hspace=0, height_ratios=[5,1,5])
axs = gs.subplots(sharex=True, sharey=False)

sns.histplot(data=data, x="data", bins=200,ax=axs[0])
#axs[1].plot([pos[0] for pos in m1.elevation], [pos[1] for pos in m1.elevation])
sns.kdeplot(data=data, x="data", hue="labels",
    common_norm=False,bw_adjust=.25,ax=axs[2]
    ,legend=False, palette=ages.values(), hue_order=ages.keys())

plt.rcParams['xtick.bottom'] = plt.rcParams['xtick.labelbottom'] = True
plt.rcParams['xtick.top'] = plt.rcParams['xtick.labeltop'] = False

axs[0].set_axisbelow(True)
axs[0].set_xlim(min, max)
axs[0].grid(b=True, which='minor', color='#eeeeee90',lw=0.5)
axs[0].grid(b=True, which='major', color='#cccccc20',lw=0.8)
axs[0].relim(visible_only=True)

axs[1].set_ylim(0, 40)
axs[1].set_xticks(np.arange(min, max, 2500))
axs[1].set_xticks(np.arange(min, max, 500), minor=True)
axs[1].grid(b=True, which='minor', color='#eeeeee90',lw=0.5)
axs[1].grid(b=True, which='major', color='#cccccc20',lw=0.8)

axs[2].set_axisbelow(True)
axs[2].set_xlim(min, max)
axs[2].grid(b=True, which='minor', color='#eeeeee90',lw=0.5)
axs[2].grid(b=True, which='major', color='#cccccc20',lw=0.8)

中间的情节已被省略，因为它不有趣并且使代码更简单。

标签： pythonmatplotlib

Answer 1

实现你想要的最快的方法是对你的 DataFrame 进行子集化：

# I've renamed these as they override the builtin min/max
min_ = 20_000
max_ = 42_460

# `mask` is an array of True/False that allows 
#   us to select a subset of the DataFrame
mask = data["data"].between(min_, max_, inclusive=True)
plot_data = data[mask]

如果您设置cut=0在es 上，sns.kdeplot则不需要xlim为axes 设置，但这可能会截断一些行。我把它排除在外是因为我认为没有它看起来会更好。

此外，当您在子图上使用sharex时，我认为您只需要调用set_xlim一次。

然后用于plot_data绘制图表：

ages = {"25-34": "blue", "35-44": "orange", "45-54": "green", "55-64": "red"}
markers = [
    plt.Line2D([0, 0], [0, 0], color=color, marker="o", linestyle="")
    for color in ages.values()
]

fig = plt.figure(figsize=(10, 11))
fig.suptitle("Title", fontsize=12)
fig.legend(markers, ages.keys(), loc="center right")
gs = fig.add_gridspec(3, hspace=0, height_ratios=[5, 1, 5])
axs = gs.subplots(sharex=True, sharey=False)

sns.histplot(data=plot_data, x="data", bins=200, ax=axs[0])

sns.kdeplot(
    data=plot_data,
    x="data",
    hue="labels",
    common_norm=False,
    bw_adjust=0.25,
    ax=axs[2],
    legend=False,
    palette=ages.values(),
    hue_order=ages.keys(),
    # cut=0,
)

axs[0].set_axisbelow(True)
axs[0].set_xlim(min_, max_)
axs[0].grid(b=True, which="minor", color="#eeeeee90", lw=0.5)
axs[0].grid(b=True, which="major", color="#cccccc20", lw=0.8)

# omit ax[1]

axs[2].set_axisbelow(True)
axs[2].set_xlim(min_, max_)
axs[2].grid(b=True, which="minor", color="#eeeeee90", lw=0.5)
axs[2].grid(b=True, which="major", color="#cccccc20", lw=0.8)

哪个输出：