关于python：Seaborn堆积直方图/条形图


Seaborn stacked histogram/barplot

我有一个pandas.DataFrame，我想根据两列绘制一个图形：Age(int)，Survived(int-0或1)。 现在我有这样的事情：

enter image description here

这是我使用的代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
class DataAnalyzer:

    def _facet_grid(self, func, x: List[str], col: str = None, row: str = None) -> None:
        g = sns.FacetGrid(self.train_data, col=col, row=row)
        if func == sns.barplot:
            g.map(func, *x, ci=None)
        else:
            g.map(func, *x)
        g.add_legend()
        plt.show()

    def analyze(self) -> None:
        # Check if survival rate is connected with Age
        self._facet_grid(plt.hist, col='Survived', x=['Age'])

因此，这在两个子图中显示。 这很好，但是对于特定的年龄范围，很难看到在Survived列中具有0与1的记录数量之间的差异。

所以我想要这样的东西：

enter image description here

在这种情况下，您会看到这种差异。 有什么方法可以在seaborn上执行此操作(因为在那里我可以轻松地在pandas.DataFrame上进行操作)？ 如果可能的话，我不想使用香草matplotlib

只需将总直方图与幸存的-0叠加即可。 如果没有精确的数据框形式，很难给出确切的功能，但这是一个带有示例数据集的基本示例。

1
2
3
4
5
6
import matplotlib.pyplot as plt
import seaborn as sns
tips = sns.load_dataset("tips")
sns.distplot(tips.total_bill, color="gold", kde=False, hist_kws={"alpha": 1})
sns.distplot(tips[tips.sex =="Female"].total_bill, color="blue", kde=False, hist_kws={"alpha":1})
plt.show()

从seaborn 0.11.0开始，您可以执行此操作

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# stacked histogram
import matplotlib.pyplot as plt
f = plt.figure(figsize=(7,5))
ax = f.add_subplot(1,1,1)

# mock your data frame
import pandas as pd
import numpy as np
_df = pd.DataFrame({
   "age":np.random.normal(30,30,1000),
   "survived":np.random.randint(0,2,1000)
})

# plot
import seaborn as sns
sns.histplot(data=_df, ax=ax, stat="count", multiple="stack",
             x="age", kde=False,
             palette="pastel", hue="survived",
             element="bars", legend=True)
ax.set_title("Seaborn Stacked Histogram")
ax.set_xlabel("Age")
ax.set_ylabel("Count")

enter image description here