如何在Seaborn多网格图中用mplcursors显示完整DataFrame行注释

问题描述 #

• 需求：绘制包含分面（col/row）、色调（hue）、x/y轴的多维散点图，实现鼠标悬停显示数据点的完整属性Tooltip
• 异常：添加全部视觉修饰符后，mplcursors返回的sel.index是子图内的局部索引，而非原DataFrame的全局索引，导致Tooltip显示错误；仅保留部分修饰符（如仅x/y轴）时功能正常

复现代码 #

import seaborn as sns
import matplotlib.pyplot as plt
import mplcursors


df = sns.load_dataset("tips")

sns.relplot(data=df, x="total_bill", y="tip", hue="day", col="time", row="sex")


def show_hover_panel(get_text_func=None):
    cursor = mplcursors.cursor(
        hover=2,  # Transient
        annotation_kwargs=dict(
            bbox=dict(
                boxstyle="square,pad=0.5",
                facecolor="white",
                edgecolor="#ddd",
                linewidth=0.5,
            ),
            linespacing=1.5,
            arrowprops=None,
        ),
        highlight=True,
        highlight_kwargs=dict(linewidth=2),
    )

    if get_text_func:
        cursor.connect(
            event="add",
            func=lambda sel: sel.annotation.set_text(get_text_func(sel.index)), # <- 返回的是子图局部索引，非全局索引
        )

    return cursor


def on_add(index):
    item = df.iloc[index] 
    parts = [
        f"total_bill: {item.total_bill}",
        f"tip: {item.tip}",
        f"day: ${item.day}",
        f"time: ${item.time}",
        f"sex: ${item.sex}",
    ]

    return "\n".join(parts)


show_hover_panel(on_add)

plt.show()

问题原因 #

Seaborn的relplot是分面绘图函数，会将原DataFrame按col/row/hue规则拆分为多个子集，每个子图仅绘制对应子集的数据。此时mplcursors返回的sel.index是当前子图内数据点的局部索引，而非原DataFrame的全局索引，直接用df.iloc[index]会取到错误的行数据。

解决方法 #

核心是获取每个数据点对应的原DataFrame全局索引，而非子图局部索引，以下两种方案可选：

方案1：从绘图对象提取全局索引（高效推荐） #

利用relplot返回的FacetGrid对象，获取每个子图散点数据对应的全局索引，绑定到绘图元素上：

import seaborn as sns
import matplotlib.pyplot as plt
import mplcursors

df = sns.load_dataset("tips")
# 保存FacetGrid对象，用于获取子图数据
g = sns.relplot(data=df, x="total_bill", y="tip", hue="day", col="time", row="sex")

def show_hover_panel():
    cursor = mplcursors.cursor(
        hover=2,
        annotation_kwargs=dict(
            bbox=dict(
                boxstyle="square,pad=0.5",
                facecolor="white",
                edgecolor="#ddd",
                linewidth=0.5,
            ),
            linespacing=1.5,
            arrowprops=None,
        ),
        highlight=True,
        highlight_kwargs=dict(linewidth=2),
    )

    # 遍历所有子图，为散点绑定全局索引
    for ax in g.axes.flat:
        scatter = ax.collections[0]
        # 获取当前子图数据对应的原DataFrame全局索引
        global_indices = scatter.get_offsets()._offsets.index
        # 将全局索引存储到散点对象的gid属性中
        scatter.set_gid(global_indices)

    def on_add(sel):
        # 通过子图局部索引获取对应的全局索引
        global_index = sel.artist.get_gid()[sel.index]
        item = df.iloc[global_index]
        parts = [
            f"total_bill: {item.total_bill}",
            f"tip: {item.tip}",
            f"day: {item.day}",
            f"time: {item.time}",
            f"sex: {item.sex}",
        ]
        sel.annotation.set_text("\n".join(parts))

    cursor.connect("add", on_add)
    return cursor

show_hover_panel()
plt.show()

方案2：坐标匹配全局索引（兼容性强） #

为原DataFrame添加全局索引列，通过鼠标悬停点的坐标匹配对应行的全局索引：

import seaborn as sns
import matplotlib.pyplot as plt
import mplcursors
import numpy as np

df = sns.load_dataset("tips")
# 添加全局索引列，确保每个数据点有唯一标识
df["global_idx"] = df.index
g = sns.relplot(data=df, x="total_bill", y="tip", hue="day", col="time", row="sex")

def show_hover_panel():
    cursor = mplcursors.cursor(
        hover=2,
        annotation_kwargs=dict(
            bbox=dict(
                boxstyle="square,pad=0.5",
                facecolor="white",
                edgecolor="#ddd",
                linewidth=0.5,
            ),
            linespacing=1.5,
            arrowprops=None,
        ),
        highlight=True,
        highlight_kwargs=dict(linewidth=2),
    )

    def on_add(sel):
        # 获取悬停点的坐标
        x, y = sel.target
        # 获取当前子图的数据集
        ax_data = sel.artist.get_offsets()._offsets
        # 匹配坐标（考虑浮点精度误差），找到对应行的局部索引
        match_mask = (np.isclose(ax_data["total_bill"], x)) & (np.isclose(ax_data["tip"], y))
        local_idx = np.where(match_mask)[0][0]
        # 获取全局索引
        global_index = ax_data["global_idx"].iloc[local_idx]
        item = df.iloc[global_index]
        parts = [
            f"total_bill: {item.total_bill}",
            f"tip: {item.tip}",
            f"day: {item.day}",
            f"time: {item.time}",
            f"sex: {item.sex}",
        ]
        sel.annotation.set_text("\n".join(parts))

    cursor.connect("add", on_add)
    return cursor

show_hover_panel()
plt.show()

说明 #

• 方案1直接从绘图对象提取全局索引，效率更高，适合大多数场景
• 方案2通过坐标匹配，适合无法直接从绘图对象获取索引的特殊场景

内容的提问来源于stack exchange，提问作者diyer0001