Python-“万水千山图”

山峦图，也称为堆叠密度图（Ridgeline Plot），展示多个分布的密度曲线，通常以重叠或有间距的形式排列。这种图形类似于山峦的轮廓，因而得名。它通过使用核密度估计（KDE）或直方图来表示各组数据的分布特征，并在纵轴上将各分布分组排列。

matplotlib结合seaborn中的FacetGrid/kdeplot结合可以很好的实现山峦图，还是使用“weather数据集”。

# 21.2_01
# -*- encoding: utf-8 -*-
'''
未经过允许禁止转载！
@Author  :   公众号: pythonic生物人
@Desc    :   seaborn山峦图
'''
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# 数据准备
months = weather.index.month_name().unique()  # 获取数据索引中的唯一月份名称
data = []
for month in months:
    low_temps = weather[weather.index.month_name() == month]["最低温度（F）"]
    data.append(
        pd.DataFrame({
            "Month": [month] * len(low_temps),
            "Temperature": low_temps
        }))
df = pd.concat(data, ignore_index=True)
# 绘图
g = sns.FacetGrid(
    df,
    row="Month",
    hue="Month",
    aspect=10,
    height=0.5,
    palette=sns.color_palette(palette='autumn', n_colors=12),
)  # FacetGrid细节参考教程章节“12.2 axes-level结合FacetGrid分面图（19种）”
g.map(
    sns.kdeplot,
    "Temperature",
    bw_adjust=1,
    clip_on=False,
    fill=True,
    alpha=1,
    linewidth=1.0,
)
g.map(
    sns.kdeplot,
    "Temperature",
    clip_on=False,
    color="w",
    lw=2,
    bw_adjust=1,
)
g.refline(y=0, linewidth=0.4, linestyle="-", color="black",
          clip_on=False)  # 添加参考线
def label(x, color, label):
    ax = plt.gca()
    ax.text(0,
            0.2,
            label,
            fontsize=10,
            color="black",
            ha="left",
            va="center",
            transform=ax.transAxes)
g.map(label, "Temperature")  # 添加左侧月份标签
g.set_axis_labels("温度（$\degree$F）", "", fontsize=12)  #x轴标题
g.figure.suptitle("月温度（$\degree$F）变化山脊图", fontsize=14, x=0.3, y=0.92)  #figure标题
g.figure.subplots_adjust(hspace=-0.65)  # 设置子图之间的间距为负值，实现重叠效果
g.set_titles("")  #关闭子图的标题
g.set(
    yticks=[],  #移除子图y轴上的刻度标记
    ylabel="")  #移除子图y轴的标题
g.despine(
    bottom=True,  #移除子图x轴的底部边框
    left=True  #移除子图y轴的左边框
)
g.fig.set_dpi(200)  # 设置分辨率
g.figure.patch.set_edgecolor('gray')  # 设置外框颜色为灰色
g.figure.patch.set_linewidth(0.6)  # 设置外框线宽
plt.show()