slov = {'People': {0: 'Ivan', 1: 'John', 2: 'Peter', 3: 'Ming'}, 'Country':{0: 'Russia', 1: 'USA', 2: 'USA', 3: 'China'},\
'Height': {0: 181, 1: 175, 2: 174, 3: 173}}
我想看看这张照片
但是我不知道该怎么做。我的意思是,我想为俄罗斯人提供红色,为美国人提供绿色,为中国人提供黄色。
我尝试寻找解决方案:
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
sns.set(style="white")
slov = {'People': {0: 'Ivan', 1: 'John', 2: 'Peter', 3: 'Ming'}, 'Country':{0: 'Russia', 1: 'USA', 2: 'USA', 3: 'China'},\
'Height': {0: 181, 1: 175, 2: 174, 3: 173}}
obj = pd.DataFrame(slov)
palette=["g", "b", "r"]
obj['Color']='r'
row_index = obj.Country == 'Russia'
obj.loc[row_index, 'Color'] = 'r'
row_index = obj.Country == 'USA'
obj.loc[row_index, 'Color'] = 'g'
row_index = obj.Country == 'China'
obj.loc[row_index, 'Color'] = 'y'
g = sns.factorplot(x="People", y="Height", data=obj, kind='bar', palette=obj['Color'])
plt.show()
也许我的解决方案不是很好。我向 DataFrame 添加了颜色。也许我们可以写得更好。也许我不需要向我的 DataFrame 添加颜色(这似乎不太正确。)。但是,如果不将这些颜色添加到我的 DataFrame 中,如何解决我的任务呢?
最佳答案
您可以使用map
通过字典
:
d = {'Russia':'r', 'USA':'g','China':'y'}
g = sns.factorplot(x="People",
y="Height",
data=obj,
kind='bar',
palette=obj['Country'].map(d))
plt.show()
关于python - Python 的颜色 (seaborn) : colors without adding to DataFrame,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41416351/