如何按hue分组或基于全数据集为lmplot分面添加标注

在用Seaborn的lmplot绘制带hue分组的回归图时，每个分面会生成两条回归线，导致自动映射的r值、p值标注重叠。需求分为两种：要么让不同hue分组的标注位于不同位置，要么基于分面的完整数据集（而非按hue拆分的子集）计算并展示标注。

方案一：按hue分组调整标注位置 #

利用map_dataframe按hue分组传递数据的特性，在标注函数中根据当前分组调整文本垂直位置，避免重叠。

完整代码：

import pandas as pd
import seaborn as sns
import scipy as sp
import matplotlib.pyplot as plt

dict = {
    'ID': ['A','B','C','D','A','B','C','D','A','B','C','D','A','B','C','D'],
    'SCORE': [18,20,37,40,34,21,24,12,34,54,23,43,23,31,65,78],
    'AGE': [34,54,46,65,43,23,54,23,43,54,23,32,56,42,12,43],
    'GENDER': [1,1,1,1,2,2,2,2,1,1,1,1,2,2,2,2]
}

df = pd.DataFrame(dict)

g = sns.lmplot(x='SCORE', y='AGE', data=df, hue='GENDER',
               col='ID', height=3, aspect=1)

def annotate(data, **kws):
    r, p = sp.stats.pearsonr(data['SCORE'], data['AGE'])
    ax = plt.gca()
    # 根据hue分组调整y坐标，区分不同分组的标注位置
    y_pos = 0.8 if data['GENDER'].iloc[0] == 1 else 0.7
    ax.text(.05, y_pos, f'GENDER={data["GENDER"].iloc[0]}\nr={r:.2f}, p={p:.2g}',
            transform=ax.transAxes, bbox=dict(facecolor='white', alpha=0.7))

g.map_dataframe(annotate)
plt.show()

说明 #

• 通过data['GENDER'].iloc[0]识别当前分组的hue值，为不同分组设置差异化的垂直位置
• 添加半透明白色背景框，提升标注文本的可读性
• 标注中加入分组标识，方便对应到对应颜色的回归线

方案二：基于分面完整数据集计算标注 #

如果需要展示每个分面（按ID划分）整体数据的回归指标，可直接遍历FacetGrid的axes_dict，提取分面完整数据计算后标注。

完整代码：

import pandas as pd
import seaborn as sns
import scipy as sp
import matplotlib.pyplot as plt

dict = {
    'ID': ['A','B','C','D','A','B','C','D','A','B','C','D','A','B','C','D'],
    'SCORE': [18,20,37,40,34,21,24,12,34,54,23,43,23,31,65,78],
    'AGE': [34,54,46,65,43,23,54,23,43,54,23,32,56,42,12,43],
    'GENDER': [1,1,1,1,2,2,2,2,1,1,1,1,2,2,2,2]
}

df = pd.DataFrame(dict)

g = sns.lmplot(x='SCORE', y='AGE', data=df, hue='GENDER',
               col='ID', height=3, aspect=1)

# 遍历每个分面的ID与对应坐标轴
for id_val, ax in g.axes_dict.items():
    # 提取当前分面的全部数据
    facet_data = df[df['ID'] == id_val]
    r, p = sp.stats.pearsonr(facet_data['SCORE'], facet_data['AGE'])
    # 在固定位置标注整体数据的回归指标
    ax.text(.05, .8, f'整体数据\nr={r:.2f}, p={p:.2g}',
            transform=ax.transAxes, bbox=dict(facecolor='white', alpha=0.7))

plt.show()

说明 #

• g.axes_dict存储了分面名称（ID值）与对应坐标轴的映射关系，直接遍历即可定位每个分面
• 基于分面完整数据计算皮尔逊相关系数，展示整体数据的回归特征
• 标注位置固定，不会与hue分组的回归线标注冲突（若不需要分组标注，可移除方案一中的map_dataframe调用）

内容的提问来源于stack exchange，提问作者user20501139