使用多个数据集创建 seaborn 散点图矩阵（PairGrid）

Question

我有一个包含多个模型的土壤温度数据的数据框，我想创建一个散点矩阵。数据框如下：

• 数据结构

数据按模型（或站点）组织，我还包括了一些列来区分数据出现在冷季还是暖季 ['Season'] ，以及数据来自哪个层 ['Layer']。

我的目标是创建以下特征的散点矩阵：

1. 按季节着色的数据（到目前为止，我已在脚本中设置了这个）
2. 底部三角仅由0cm到30cm土层的数据组成，上部三角仅由30cm到300cm土层的数据组成。

我已经知道如何一次只为数据集的一个三角/部分创建散点矩阵，例如在此示例中：

• 顶部30cm的散点图

但是，我不确定如何在每个三角形中使用不同部分的数据。

相关文件可以在这里找到：

1. dframe_btm
2. dframe_top
3. dframe_master

以下是相关代码：

dframe_scatter_top = pd_read.csv(dframe_top.csv)
dframe_scatter_btm = pd_read.csv(dframe_btm.csv)
dframe_master = pd.read_csv(dframe_master.csv)
scatter1 = sn.pairplot(dframe_scatter_top,hue='Season',corner='True')
sns.set_context(rc={"axes.labelsize":20}, font_scale=1.0)
sns.set_context(rc={"legend.fontsize":18}, font_scale=1.0)
scatter1.set(xlim=(-40,40),ylim=(-40,40))
plt.show()

我认为诀窍在于使用PairGrid，并将数据的一部分设置为在地图上部出现，而将另一部分设置为在地图下部出现，但目前我没有看到明确拆分数据的方法。例如，或许可以通过以下方式实现：

scatter1 = sns.PairGrid(dframe_master)
scatter1.map_upper(#only plot data from 0-30cm)
scatter1.map_lower(#only plot data from 30-300cm)

- arctic_climate_science

Answer 1

你很接近了。你需要定义一个自定义函数来进行拆分：

import seaborn as sns
df = sns.load_dataset("penguins")

def scatter_subset(x, y, hue, mask, **kws):
    sns.scatterplot(x=x[mask], y=y[mask], hue=hue[mask], **kws)

g = sns.PairGrid(df, hue="species", diag_sharey=False)
g.map_lower(scatter_subset, mask=df["island"] == 'Torgersen')
g.map_upper(scatter_subset, mask=df["island"] != 'Torgersen')
g.map_diag(sns.kdeplot, fill=True, legend=False)
g.add_legend()

- mwaskom