如何迭代绘制到正确的子图轴

Question

假设我有两个数据帧：

a = pd.DataFrame({"A": [2,3,4,5], 
                  "B": [4,8,9,10], 
                  "C" :[63,21,23,4],
                  "D": [56,32,12,2]
                 })

b = pd.DataFrame({"A": [12,13,14,15], 
                  "B": [41,81,91,10], 
                  "C": [3,2,5,6], 
                  "D": [4,2,3,4]
                 })

我希望能够在具有相同名称的每个数据帧上的变量之间绘制散点图。我想出了以下代码：

fig, ax = plt.subplots((round(len(b)/2)),2,figsize=(10,10))
for i, col in enumerate(b.columns):

    sns.regplot(x=a[col], y=b[col], ax=ax[i,0])
    plt.title(col)
    sns.regplot(x=a[col], y=b[col], ax = ax[i,1])
    plt.title(col)


plt.tight_layout()

然而，这会产生下图：

我想要的是：

我知道这很简单，但我就是想不出第二个 ax[i,1] 的循环方式。非常感谢！

Answer 1

ax是一个numpy数组，所以用.ravel比较简单，把数组压扁了，更容易索引
- ax，在 OP 中，是一个 (2, 2) 数组，.ravel 扁平化为 (4,)。
有关子图轴数组的更多详细信息，请参阅以下 SO 问题：
- 如何解决 AttributeError：'numpy.ndarray' 对象在绘制子图时没有属性 'get_figure' [重复]

fig, ax = plt.subplots((round(len(b)/2)), 2,figsize=(10,10))
v = ax.ravel()
for i, col in enumerate(b.columns):

    sns.regplot(x=a[col], y=b[col], ax=v[i])
    v[i].set_xlabel(f'{col}_a')
    v[i].set_ylabel(f'{col}_b')
    v[i].set_title(col)

plt.tight_layout()

如何迭代绘制到正确的子图轴

How to iteratively plot to the correct subplot axes

pandas

matplotlib

seaborn

axes