在条形图中使用色相时，让Seaborn显示色标而不是图例？

Question

假设我要绘制一个条形图，其中条形的色调代表一些连续的数量。例如

import seaborn as sns titanic = sns.load_dataset("titanic") g = titanic.groupby('pclass') survival_rates = g['survived'].mean() n = g.size() ax = sns.barplot(x=n.index, y=n, hue=survival_rates, palette='Reds', dodge=False, ) ax.set_ylabel('n passengers')

这里的传说有点愚蠢，我绘制的柱数越多，情况就越糟。最有意义的是颜色条（例如在调用时使用的颜色条sns.heatmap）。有没有办法让seaborn做到这一点？

Answer 1

你可以试试这个：

import matplotlib.pyplot as plt
import seaborn as sns
titanic = sns.load_dataset("titanic")
g = titanic.groupby('pclass')
survival_rates = g['survived'].mean()
n = g.size()

plot = plt.scatter(n.index, n, c=survival_rates, cmap='Reds')
plt.clf()
plt.colorbar(plot)
ax = sns.barplot(x=n.index, y=n, hue=survival_rates, palette='Reds', dodge=False)
ax.set_ylabel('n passengers')
ax.legend_.remove()

输出：

Answer 2

另一个答案是有点hacky。因此，更严格的解决方案（不生成随后删除的图）将涉及手动创建ScalarMappable作为颜色条的输入。

import matplotlib.pyplot as plt
import seaborn as sns
titanic = sns.load_dataset("titanic")
g = titanic.groupby('pclass')
survival_rates = g['survived'].mean()
n = g.size()

norm = plt.Normalize(survival_rates.min(), survival_rates.max())
sm = plt.cm.ScalarMappable(cmap="Reds", norm=norm)
sm.set_array([])

ax = sns.barplot(x=n.index, y=n, hue=survival_rates, palette='Reds', 
                 dodge=False)

ax.set_ylabel('n passengers')
ax.get_legend().remove()
ax.figure.colorbar(sm)

plt.show()