Matplotlib: избегая перекрытия точек данных на участке "разброс/точка/пчелиный жар"

Ответ 1

Расширение ответа на @user2467675, вот как я это сделал:

def rand_jitter(arr):
    stdev = .01*(max(arr)-min(arr))
    return arr + np.random.randn(len(arr)) * stdev

def jitter(x, y, s=20, c='b', marker='o', cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, hold=None, **kwargs):
    return scatter(rand_jitter(x), rand_jitter(y), s=s, c=c, marker=marker, cmap=cmap, norm=norm, vmin=vmin, vmax=vmax, alpha=alpha, linewidths=linewidths, verts=verts, hold=hold, **kwargs)

Переменная stdev гарантирует, что джиттера достаточно для просмотра в разных масштабах, но предполагается, что пределы осей равны 0 и максимальное значение.

Затем вы можете вызвать jitter вместо scatter.

Ответ 2

Я использовал numpy.random для "рассеивания/beeswarm" данных по оси X, но вокруг фиксированной точки для каждой категории, а затем в основном делал pyplot.scatter() для каждой категории:

import matplotlib.pyplot as plt
import numpy as np

#random data for category A, B, with B "taller"
yA, yB = np.random.randn(100), 5.0+np.random.randn(1000)

xA, xB = np.random.normal(1, 0.1, len(yA)), 
         np.random.normal(3, 0.1, len(yB))

plt.scatter(xA, yA)
plt.scatter(xB, yB)
plt.show()

Ответ 3

Один из способов подойти к проблеме - подумать о каждой "строке" на вашем участке разброса/точки/пчелиного солнца в виде бункера в гистограмме:

data = np.random.randn(100)

width = 0.8     # the maximum width of each 'row' in the scatter plot
xpos = 0        # the centre position of the scatter plot in x

counts, edges = np.histogram(data, bins=20)

centres = (edges[:-1] + edges[1:]) / 2.
yvals = centres.repeat(counts)

max_offset = width / counts.max()
offsets = np.hstack((np.arange(cc) - 0.5 * (cc - 1)) for cc in counts)
xvals = xpos + (offsets * max_offset)

fig, ax = plt.subplots(1, 1)
ax.scatter(xvals, yvals, s=30, c='b')

Это, очевидно, связано с бинированием данных, поэтому вы можете потерять определенную точность. Если у вас есть дискретные данные, вы можете заменить:

counts, edges = np.histogram(data, bins=20)
centres = (edges[:-1] + edges[1:]) / 2.

с:

centres, counts = np.unique(data, return_counts=True)

Альтернативный подход, который сохраняет точные y-координаты, даже для непрерывных данных, заключается в использовании оценки плотности ядра для масштабирования амплитуды случайного дрожания по оси x:

from scipy.stats import gaussian_kde

kde = gaussian_kde(data)
density = kde(data)     # estimate the local density at each datapoint

# generate some random jitter between 0 and 1
jitter = np.random.rand(*data.shape) - 0.5 

# scale the jitter by the KDE estimate and add it to the centre x-coordinate
xvals = 1 + (density * jitter * width * 2)

ax.scatter(xvals, data, s=30, c='g')
for sp in ['top', 'bottom', 'right']:
    ax.spines[sp].set_visible(False)
ax.tick_params(top=False, bottom=False, right=False)

ax.set_xticks([0, 1])
ax.set_xticklabels(['Histogram', 'KDE'], fontsize='x-large')
fig.tight_layout()

Этот второй метод основан на том, как работают скрипки. Он все еще не может гарантировать, что ни одна из точек не перекрывается, но я нахожу, что на практике она имеет тенденцию давать довольно приятные результаты, если имеется приличное количество точек (> 20), и распределение может быть достаточно хорошо аппроксимировано по сумме-гауссовых.

Ответ 4

Seaborn предоставляет гистограммные категорические точечные графики через sns.swarmplot() и дрожащие категориальные точечные графики через sns.stripplot():

import seaborn as sns

sns.set(style='ticks', context='talk')
iris = sns.load_dataset('iris')

sns.swarmplot('species', 'sepal_length', data=iris)
sns.despine()

sns.stripplot('species', 'sepal_length', data=iris, jitter=0.2)
sns.despine()

Ответ 5

Не зная о прямой альтернативе mpl, у вас есть очень рудиментарное предложение:

from matplotlib import pyplot as plt
from itertools import groupby

CA = [0,4,0,3,0,5]  
CB = [0,0,4,4,2,2,2,2,3,0,5]  

x = []
y = []
for indx, klass in enumerate([CA, CB]):
    klass = groupby(sorted(klass))
    for item, objt in klass:
        objt = list(objt)
        points = len(objt)
        pos = 1 + indx + (1 - points) / 50.
        for item in objt:
            x.append(pos)
            y.append(item)
            pos += 0.04

plt.plot(x, y, 'o')
plt.xlim((0,3))

plt.show()

Ответ 6

Seaborn Swarmplot кажется наиболее подходящим для того, что вы имеете в виду, но вы также можете дрожать с помощью Seborn regplot:

import seaborn as sns
iris = sns.load_dataset('iris')

sns.swarmplot('species', 'sepal_length', data=iris)

sns.regplot(x='sepal_length',
            y='sepal_width',
            data=iris,
            fit_reg=False,  # do not fit a regression line
            x_jitter=0.1,  # could also dynamically set this with range of data
            y_jitter=0.1,
            scatter_kws={'alpha': 0.5})  # set transparency to 50%