为什么 sns.lmplot 和 FacetGrid+plt.scatter 从相同的数据创建不同的散点？

Question

我对 Python、pandas DataFrames 和 Seaborn 很陌生。当我试图更好地理解 Seaborn 时，尤其是 sns.lmplot，我发现由相同数据构成的两个图形之间存在差异，我认为它们应该看起来很相似，但我想知道为什么会这样。

数据：我的数据是一个 pandas DataFrame，有 454 行和 19 列。与此问题相关的数据包括 4 列，看起来像这样：

列：Av_density；预测2；本地地址；年份;

变量类型：连续变量；连续变量；分类变量 1...4;分类 2012...2014

没有缺失数据点。

我的目标是绘制一个 2x2 的图形面板，分别描述每个 LOC(=location) 的 Av_density 和 pred2 之间的关系，并用不同颜色标记年份。我用以下方式调用 seaborn：

import seaborn as sns
sns.set(style="whitegrid")
np.random.seed(sum(map(ord, "linear_categorical")))

(旁点：由于某种原因调用 "linear_quantitative" 不起作用，即我得到一个 "File "stdin"，第 2 行 sns.lmplot("Av_density", "pred2", 数据, col="LOC", hue="YEAR", col_wrap=2);
^ 语法错误：语法无效)

图法一、FacetGrid + 散点图：

sur=sns.FacetGrid(Data,col="LOC", col_wrap=2,hue="YEAR")
sur.map(plt.scatter, "Av_density", "pred2" );
plt.legend()

这会准确地生成很好的数据散点图。你可以在这里看到图片：https://drive.google.com/file/d/0B7h2wsx9mUBScEdUbGRlRk5PV1E/view?usp=sharing

图法二、sns.lmplot:

sns.lmplot("Av_density", "pred2", Data, col="LOC", hue="YEAR", col_wrap=2);

这会生成按 LOC 准确划分的图形面板，年份颜色不同，但数据点的散布看起来不正确。相反，它看起来 lmplot 已经线性化了数据点，并且除了回归线之外还丢失了它应该绘制的原始散点。你可以在这里看到这个数字：https://drive.google.com/file/d/0B7h2wsx9mUBSRkN5ZXhBeW9ob1E/view?usp=sharing

我的数据每年每个位置只产生三个点，我首先想知道这是否是 lmplot 数据点中 "mistake" 的原因。最理想的是，我会用一条较短的线来描述几年之间的趋势，而不是适当的回归，但我还没有弄清楚代码。

但在解决该问题之前，我真的很想知道我是否做错了我可以解决的问题，或者这是否是 lmplot 试图处理我的数据的问题？

热烈欢迎任何帮助、评论和想法！

-TA-

Ps。我是运行 Python 2.7.8 和 Spyder 2.3.4

编辑： 我通过添加第一种方法来缩短 "trend lines"：

sur.map(plt.plot,"Av_density", "pred2" );

还是想知道 lmplot 是什么弄乱了图形。

Answer 1

问题可能只是添加的回归线弄乱了 y 轴，因此看不到数据的可变性。尝试根据原始图中的可变性重置 y 轴，看看它们是否显示相同的东西，例如

fig1 = sns.lmplot("Av_density", "pred2", Data, col="LOC", hue="YEAR", col_wrap=2);
fig1.set(ylim=(-0.03, 0.05))
plt.show(fig1)

为什么 sns.lmplot 和 FacetGrid+plt.scatter 从相同的数据创建不同的散点？

Why do sns.lmplot and FacetGrid+plt.scatter create different scatter points from the same data?

python

matplotlib

pandas

spyder

seaborn