Fühlen Sie sich frei, das Legendenlabel mit Seaborn in Python zu ändern

Artikel für solche Leute

• Personen, die vor kurzem angefangen haben, Seaborn mit Python zu verwenden und Boxplot, Violinplot usw. machen möchten.
• Personen, die in Violinplot und Boxplot Beschriftungen mit eigenen Zeichenfolgen festlegen möchten
• Personen, die in Schwierigkeiten sind, weil das Etikett automatisch festgelegt wird, wenn es auf See geboren wird

Lösungen

Stellen Sie den Griff der Legende Easy-Lösung mit den folgenden zwei Zeilen ein!

python

handler, label = ax.get_legend_handles_labels()
ax.legend(handler, ["label1", "label2"])

Plotbeispiel mit Titanic-Daten

Daten herunterladen

Wir werden titanische Daten als Beispiel verwenden. Der Titanic-Datensatz wird an vielen Stellen beschrieben. Zum Beispiel der folgende Artikel. Referenz: "Titanic: Tabellarischer Datensatz zum Überlebensstatus (13 Elemente wie Alter und Geschlecht) von Titanic-Passagieren" https://www.atmarkit.co.jp/ait/articles/2007/02/news016.html

python

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set("talk")

df = sns.load_dataset('titanic')
df.head()

Das Ausgabeergebnis sieht folgendermaßen aus.

Altersverteilung nach Passagierklasse

Hier werde ich die Altersverteilung für jede Klasse (Passagierklasse) darstellen.

python

sns.violinplot(data=df, x='pclass', y='age')

Wenn wir uns die Abbildung ansehen, können wir sehen, dass es in pclass3 viele jüngere Generationen gibt. Grab tiefer, "Gibt es einen Unterschied in Leben und Tod in der Altersverteilung jeder Klasse?" Ich würde gerne ... sehen.

python

fig,ax=plt.subplots()
sns.violinplot(data=df, x='pclass', y='age',hue="alive",split=True, ax=ax)
ax.legend(loc='upper left',bbox_to_anchor=(1.05,1))

Sie können den Geigenplot durch Angabe des Farbtons in zwei Teile teilen. Die Legende wird der Übersichtlichkeit halber außerhalb der Figur platziert.

Etikettenwechsel (Hauptthema)

Es ist endlich das Hauptthema. Was hier besorgniserregend ist, ist das Legendenlabel. Wenn Sie Nein oder Ja sagen, wissen Sie nicht, was es ist, wenn Sie es später betrachten. Dies liegt daran, dass der Inhalt no / yes der lebendigen Spalte von df so angegeben wird, wie er auf dem Etikett angegeben ist.

Holen Sie sich daher das Handle von label und geben Sie es direkt an.

python

fig,ax=plt.subplots()
sns.violinplot(data=df, x='pclass', y='age',hue="alive",split=True, ax=ax)
ax.legend(loc='upper left',bbox_to_anchor=(1.05,1))
handler, label = ax.get_legend_handles_labels()
ax.legend(handler, ["dead","alive"],loc='upper left',bbox_to_anchor=(1.05,1))

Sie können sicher feststellen, ob das Etikett tot / lebendig ist und es keinen Unterschied zwischen Leben und Tod gibt, selbst wenn Sie es später betrachten.

Übrigens, als ich herausfand, dass es durch Leben und Tod geteilt war

--Wenn pclass2,3, ist der Prozentsatz der Lebenden in jüngeren Altersgruppen wie Teenagern hoch

• In pclass3 ist das Verhältnis von tot und lebendig in den 30er Jahren ungefähr gleich, aber in pclass2 ist das Verhältnis von tot hoch.
• In Klasse 1 ist der Prozentsatz der Toten bei Menschen über 50 signifikant höher.

Sie können verschiedene Dinge sehen wie.

Schwarmplot Beispiel

Natürlich können Sie das gleiche mit Schwarm viel tun.

python

fig,ax=plt.subplots()
sns.swarmplot(data=df, x='pclass', y='age',hue="alive",dodge=True, ax=ax)
ax.legend(loc='upper left',bbox_to_anchor=(1.05,1))
handler, label = ax.get_legend_handles_labels()
ax.legend(handler, ["dead","alive"],loc='upper left',bbox_to_anchor=(1.05,1))

Zusammenfassung

• Beim Plotten mit Seaborn wird der Inhalt der Säule zu Etiketten
• Sie können das Etikett frei bearbeiten, indem Sie den Griff abrufen und direkt angeben.

Referenzartikel

Python: Versuchen Sie die Visualisierung mit dem Seegeborenen https://blog.amedama.jp/entry/seaborn-plot