sns.scatterplot绘制DBSCAN聚类散点图尺寸报错问题求解

问题复现 #

针对含pos_x、pos_y特征的数据集，编写DBSCAN聚类结果散点图绘制代码如下：

colors=['purple','red','blue','green']
Data = []
dataset = pd.read_csv(r'/Users/file_name.csv')
Datadb = dataset[["pos_x","pos_y"]]
dbscan=DBSCAN()
clusters =dbscan.fit(Datadb.to_numpy())
p = sns.scatterplot(data=Datadb, x="pos_x", y="pos_y", hue=clusters.labels_, legend="full", palette="deep")
sns.move_legend(p, "upper right", bbox_to_anchor=(1.17, 1.2), title='Clusters')
plt.show()

运行过程中依次遇到以下报错：

• 首次运行抛出尺寸超限错误：ValueError: Image size of 447x412817 pixels is too large. It must be less than 2^16 in each direction.
• 尝试给sns.scatterplot传入height=4.27, aspect=5.7/4.27参数设置尺寸时，提示该接口不存在这两个参数
• 尝试通过返回对象调用p.fig.set_figwidth()、p.fig.set_figheight()设置尺寸时，抛出属性错误：AttributeError: 'AxesSubplot' object has no attribute 'fig'

报错根因 #

• sns.scatterplot属于seaborn的轴级函数，仅负责在现有matplotlib轴对象上绘图，本身不提供height、aspect这类画布尺寸控制参数，这类参数仅relplot、displot等seaborn图级函数支持。
• sns.scatterplot返回值是matplotlib的AxesSubplot对象，获取其绑定的画布对象需要用.figure属性，不存在.fig属性，因此调用时报错。
• 初始代码没有提前指定画布尺寸，大数据量场景下seaborn自动推算的画布高度超过了matplotlib单方向最大像素限制（65536像素），触发尺寸超限错误。
• 初始代码中定义的colors列表、空Data列表全程未被调用，属于冗余代码，可以直接删除减少内存占用。

解决方法 #

方法1：提前初始化固定尺寸画布（推荐，大数据量场景最稳定） #

在调用绘图接口前，先通过matplotlib创建指定尺寸的画布，从根源避免自动尺寸推算错误，同时可以通过调小点尺寸加快渲染：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.cluster import DBSCAN

# 提前设置画布尺寸，单位为英寸，dpi固定为100，按需求调整宽高数值即可
plt.figure(figsize=(6.27, 7.7), dpi=100)

dataset = pd.read_csv(r'/Users/file_name.csv')
Datadb = dataset[["pos_x", "pos_y"]]
dbscan = DBSCAN()
clusters = dbscan.fit(Datadb.to_numpy())

p = sns.scatterplot(
    data=Datadb,
    x="pos_x",
    y="pos_y",
    hue=clusters.labels_,
    legend="full",
    palette="deep",
    s=5 # 大数据量下把点大小调小，避免重叠同时大幅提升渲染速度
)
sns.move_legend(p, "upper right", bbox_to_anchor=(1.17, 1.2), title='Clusters')
plt.tight_layout() # 自动调整布局，避免坐标轴、图例被截断
plt.show()

方法2：换用seaborn图级函数relplot绘制 #

如果习惯直接在seaborn接口内传参控制尺寸，可以使用支持height、aspect参数的relplot绘制散点图（散点是relplot的默认图类型）：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.cluster import DBSCAN

dataset = pd.read_csv(r'/Users/file_name.csv')
Datadb = dataset[["pos_x", "pos_y"]]
dbscan = DBSCAN()
clusters = dbscan.fit(Datadb.to_numpy())

# relplot为图级函数，直接支持尺寸参数
g = sns.relplot(
    data=Datadb,
    x="pos_x",
    y="pos_y",
    hue=clusters.labels_,
    legend="full",
    palette="deep",
    height=7.7, # 画布高度，单位英寸
    aspect=6.27/7.7, # 宽高比，实际宽度=height*aspect
    s=5
)
sns.move_legend(g, "upper right", bbox_to_anchor=(1.17, 1.2), title='Clusters')
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者ttina