Изменение цвета и маркера каждой точки с использованием морского графика

Решение этой задачи почти ничем не отличается от решения из matplotlib (построение точечной диаграммы с разными маркерами и цветами), за исключением того, что я хотел сохранить маргинальные распределения:

import seaborn as sns
from itertools import product
sns.set(style="darkgrid")

tips = sns.load_dataset("tips")
color = sns.color_palette()[5]
g = sns.jointplot("total_bill", "tip", data=tips, kind="reg", stat_func=None,
                  xlim=(0, 60), ylim=(0, 12), color='k', size=7)

#Clear the axes containing the scatter plot
g.ax_joint.cla()

#Generate some colors and markers
colors = np.random.random((len(tips),3))
markers = ['x','o','v','^','<']*100

#Plot each individual point separately
for i,row in enumerate(tips.values):
    g.ax_joint.plot(row[0], row[1], color=colors[i], marker=markers[i])

g.set_axis_labels('total bill', 'tip', fontsize=16)

Что дает мне это:

Линии регрессии больше нет, но это все, что мне было нужно.

Принятый ответ слишком сложен. plt.sca() можно использовать для этого более простым способом:

import matplotlib.pyplot as plt
import seaborn as sns

tips = sns.load_dataset("tips")
g = sns.jointplot("total_bill", "tip", data=tips, kind="reg", stat_func=None,
                  xlim=(0, 60), ylim=(0, 12))


g.ax_joint.cla() # or g.ax_joint.collections[0].set_visible(False), as per mwaskom's comment

# set the current axis to be the joint plot's axis
plt.sca(g.ax_joint)

# plt.scatter takes a 'c' keyword for color
# you can also pass an array of floats and use the 'cmap' keyword to
# convert them into a colormap
plt.scatter(tips.total_bill, tips.tip, c=np.random.random((len(tips), 3)))

Вы также можете указать его напрямую в списке аргументов благодаря ключевому слову: joint_kws (проверено с Seaborn 0.8.1). При необходимости вы также можете изменить свойства маргинала с помощью marginal_kws

Итак, ваш код становится:

import seaborn as sns
colors = np.random.random((len(tips),3))
markers = (['x','o','v','^','<']*100)[:len(tips)]

sns.jointplot("total_bill", "tip", data=tips, kind="reg",
    joint_kws={"color":colors, "marker":markers})

1. В seaborn/categorical.py найдите def swarmplot.
2. Добавить параметр marker='o' перед **kwargs
3. В kwargs.update добавьте marker=marker.

Затем добавьте, например. marker='x' в качестве параметра при построении графика с помощью sns.swarmplot(), как если бы вы использовали Matplotlib plt.scatter().

Просто столкнулся с такой же необходимостью, и иметь marker как kwarg не получилось. Итак, я бегло посмотрел. Мы можем установить другие параметры аналогичным образом. https://github.com/ccneko/seaborn/blob/master/seaborn/categorical.py

Здесь нужно лишь небольшое изменение, но вот разветвленная страница GitHub для быстрого ознакомления;)

Другой вариант — использовать JointGrid, так как JointPlot — это оболочка, упрощающая его использование.

import matplotlib.pyplot as plt
import seaborn as sns

tips = sns.load_dataset("tips")

g = sns.JointGrid("total_bill", "tip", data=tips)
g = g.plot_joint(plt.scatter, c=np.random.random((len(tips), 3)))
g = g.plot_marginals(sns.distplot, kde=True, color="k")

Два других ответа — сложные экстравагантности (на самом деле, они исходят от людей, которые действительно понимают, что происходит под капотом).

Вот ответ того, кто просто догадывается. Однако это работает!

tips = sns.load_dataset("tips")
g = sns.jointplot("total_bill", "tip", data=tips,
              c=tips.day.cat.codes, cmap='Set1', stat_func=None,
              xlim=(0, 60), ylim=(0, 12))