Colorear diagramas de dispersión por valores de columna usando Pandas y Matplotlib

Matplotlib es una popular biblioteca de Python para crear visualizaciones estáticas, animadas e interactivas en Pitón. Este artículo explora el uso de Matplotlib para colorear diagramas de dispersión basados ​​en valores en una columna específica de un Pandas DataFrame.

Importaciones y datos

Para comenzar, importamos las bibliotecas necesarias , incluidos Matplotlib (como plt) y Pandas (como pd). También generamos un DataFrame de muestra ("df") con tres columnas: "Altura", "Peso" y "Sexo".

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

np.random.seed(0)
N = 37
_genders = ["Female", "Male", "Non-binary", "No Response"]
df = pd.DataFrame({
    "Height (cm)": np.random.uniform(low=130, high=200, size=N),
    "Weight (kg)": np.random.uniform(low=30, high=100, size=N),
    "Gender": np.random.choice(_genders, size=N),
})

Actualización en agosto de 2021

Seaborn ha introducido nuevas funciones a nivel de figura, como seaborn.relplot en la versión 0.11.0. Se recomiendan estas funciones en lugar de usar FacetGrid directamente.

sns.relplot(data=df, x="Weight (kg)", y="Height (cm)", hue="Gender", hue_order=_genders, aspect=1.61)
plt.show()

Respuesta anterior (2015)

Si desea utilizar Matplotlib directamente, deberá asignar la función de dispersión de matplotlib a las categorías de Pandas DataFrame . Para hacer esto:

• Cree un diccionario con categorías únicas a partir de la columna y los colores.
• Agregue una nueva columna "Color" al DataFrame, asignando a cada categoría un color correspondiente.
• Utilice la función de dispersión para trazar los datos, especificando la columna de color como argumento "c".

def dfScatter(df, xcol='Height', ycol='Weight', catcol='Gender'):
    fig, ax = plt.subplots()
    categories = np.unique(df[catcol])
    colors = np.linspace(0, 1, len(categories))
    colordict = dict(zip(categories, colors))

    df["Color"] = df[catcol].apply(lambda x: colordict[x])
    ax.scatter(df[xcol], df[ycol], c=df.Color)
    return fig

fig = dfScatter(df)
fig.savefig('fig1.png')

Si sigue estos pasos, puede colorear fácilmente los diagramas de dispersión según los valores de las columnas usando Pandas y Matplotlib.