如何在matplotlib图中添加轴偏移量？

Question

我在同一张图上绘制了多个seaborn点图。x轴是序数，而不是数字。每个点图的序数值都相同。我想将每个图稍微移到一边，pointplot（dodge =
…）参数的方式是在单个图内的多条线内进行，但是在这种情况下，是要在彼此之上绘制多个不同图。我怎样才能做到这一点？

理想情况下，我想要一种适用于任何matplotlib图的技术，而不仅仅是专门针对海洋的技术。由于数据不是数字，因此很难为数据添加偏移量。

显示地块重叠并使其难以阅读的示例（每个地块内的闪避都可以）

import pandas as pd
import seaborn as sns

df1 = pd.DataFrame({'x':list('ffffssss'), 'y':[1,2,3,4,5,6,7,8], 'h':list('abababab')})
df2 = df1.copy()
df2['y'] = df2['y']+0.5
sns.pointplot(data=df1, x='x', y='y', hue='h', ci='sd', errwidth=2, capsize=0.05, dodge=0.1, markers='<')
sns.pointplot(data=df2, x='x', y='y', hue='h', ci='sd', errwidth=2, capsize=0.05, dodge=0.1, markers='>')

我可以使用seaborn以外的其他工具，但是自动置信度/错误栏非常方便，因此我宁愿在这里坚持使用seaborn。

Answer 1

首先回答最常见的情况。可以通过将图中的艺术家移动一定量来实现躲避。将点用作该偏移的单位可能会很有用。例如，您可能需要将情节上的标记移动5点。
可以通过在艺术家的数据转换中添加翻译来完成此转换。我在这里提出一个建议ScaledTranslation。

现在，为了保持最通用，可以编写一个函数，该函数将绘图方法，轴和数据作为输入，此外还应应用一些闪避功能，例如

draw_dodge(ax.errorbar, X, y, yerr =y/4., ax=ax, dodge=d, marker="d" )

完整的功能代码：

import matplotlib.pyplot as plt
from matplotlib import transforms
import numpy as np
import pandas as pd


def draw_dodge(*args, **kwargs):
    func = args[0]
    dodge = kwargs.pop("dodge", 0)
    ax = kwargs.pop("ax", plt.gca())
    trans = ax.transData  + transforms.ScaledTranslation(dodge/72., 0,
                                   ax.figure.dpi_scale_trans)
    artist = func(*args[1:], **kwargs)
    def iterate(artist):
        if hasattr(artist, '__iter__'):
            for obj in artist:
                iterate(obj)
        else:
            artist.set_transform(trans)
    iterate(artist)
    return artist

X = ["a", "b"]
Y = np.array([[1,2],[2,2],[3,2],[1,4]])

Dodge = np.arange(len(Y),dtype=float)*10
Dodge -= Dodge.mean()

fig, ax = plt.subplots()

for y,d in zip(Y,Dodge):
    draw_dodge(ax.errorbar, X, y, yerr =y/4., ax=ax, dodge=d, marker="d" )

ax.margins(x=0.4)
plt.show()

您可以使用这项功能ax.plot，ax.scatter但是不与任何的seaborn功能等，因为他们没有任何有用的艺术家复工用。

现在对于所讨论的情况，剩下的问题是以有用的格式获取数据。一种选择如下。

df1 = pd.DataFrame({'x':list('ffffssss'), 
                    'y':[1,2,3,4,5,6,7,8], 
                    'h':list('abababab')})
df2 = df1.copy()
df2['y'] = df2['y']+0.5

N = len(np.unique(df1["x"].values))*len([df1,df2])
Dodge = np.linspace(-N,N,N)/N*10


fig, ax = plt.subplots()
k = 0
for df in [df1,df2]:
    for (n, grp) in df.groupby("h"):
        x = grp.groupby("x").mean()
        std = grp.groupby("x").std()
        draw_dodge(ax.errorbar, x.index, x.values, 
                   yerr =std.values.flatten(), ax=ax, 
                   dodge=Dodge[k], marker="o", label=n)
        k+=1

ax.legend()        
ax.margins(x=0.4)
plt.show()