Python筆記--Matplotlib及seaborn繪圖基礎

【使用matplotlib.pyplot繪圖】

matplotlib.plot的基礎繪圖流程：

1. 創建畫布（選擇是否繪製子圖，指定畫布大小，像素）
2. 添加標題--添加x軸的名稱，刻度與範圍--添加y軸的名稱，刻度與範圍
3. 繪製圖形，設置圖形的樣式，顏色，背景，並添加圖例
4. 保存圖形，顯示圖形

1.創建畫布與創建子圖

p1 = plt.figure(figsize=(8,6),dpi=144) #設置畫布大小及解析度axes = p1.add_subplot(2,1,1) #創建一個2行1列的子圖，繪製第1張子圖

2. 添加畫布內容

plt.title(標題) #添加標題plt.xlabel(x) #添加x軸的名稱plt.ylabel(y) #添加y軸的名稱plt.xlim((0,1)) #x軸刻度範圍plt.ylim((0,1)) #y軸刻度範圍plt.xticks([0,1,2,3,4]) #x軸的刻度值plt.yticks([0,1,2,3,4]) #y軸的刻度值plt.legend([a,b]) #添加圖例

3.設置pyplot的動態rc參數

3.1 線條常用的rc參數：

#設置線條寬度，取0-10之間的數值，默認1.5plt.rcParams[lines.linewidth]=3 #設置線條樣式，可取-,--,-.,:4種，默認-plt.rcParams[lines.linestyle]=-.#設置線條上點的形狀，可取o,D,h,.,S等20種，默認為Noneplt.rcParams[lines.marker]=D#設置點的大小，取0-10之間的數值，默認為1 plt.rcParams[lines.markersize]=3

3.2 調節字體顯示為中文：

plt.rcParams[font.sans-serif]=SimHeiplt.rcParams[axes.unicode_minus]=False

4.繪製基本圖形

4.1繪製散點圖

df.plot.scatter(x=col1,y=col2,marker=o,c=red,s=3,alpha=0.5)# x,y接受array，表示對應的數據 marker為點的形狀，c為點的顏色，s為點的大小，alpha為點的透明度（0-1）

4.2繪製折線圖

df.plot(x=col1,y=col2,color=r,linestylex=-,marker=o,alpha=0.5)# x,y接受array，表示對應的數據 marker為點的形狀，color為點的顏色，linestyle為線條樣式，alpha為點的透明度（0-1） color常用參數：b-藍色，g-綠色，r-紅色，c-青色，m-品紅，y-黃色，k-黑色 color,marker,linestyle三個參數可簡寫成bo-

4.3繪製直方圖

df.col1.hist(bins=20)

4.4繪製條形圖

plt.bar(x,y,width_=0.8,color=red)# width為條形圖寬度（0-1），默認0.8

4.5繪製餅圖

plt.pie(x,explode=0.01,labels=[],color=red,autopct=%1.1f%%,radius=5)# explode為各項到圓心的距離，labels為每一項的名稱，autopct為值顯示形式，radius為餅圖半徑

4.6繪製箱圖

plt.boxplot(x,notch=False,sym=o,vert=None,widths=None,labels=None,meanline=False)# notch表示中間箱體是否有缺口，默認False sym為異常點形狀，默認None vert為圖形是縱向還是橫向，默認None widths為箱體寬度，labels為每個箱體的標籤 meanline為是否顯示均值線，默認False

【使用seaborn繪圖】

1.seoborn的樣式控制：sns.set()

sns.set(stylex=white,palette=muted,color_codes=True)# style為圖表的背景主題，有5種主題可以選擇： darkgrid 黑色網格（默認） whitegrid 白色網格 dark 黑色背景 white 白色背景 ticks 四周都有刻度線的白背景# palette為設置主體顏色，有6種可以選擇： deep,muted,pastel,bright,dark,colorblind

用despine進行邊框控制：

white和ticks參數的樣式，都可以刪除上方和右方坐標軸上不需要的邊框

despine(top=True, right=True, left=False, bottom=False, offset=None, trim=False) # 默認無參數的情況下，是刪除上面及右邊的邊框 offset可設置邊框的偏移距離，trim設置刪除邊框的範圍

seaborn中設置畫布大小及繪製子圖：

fig,axes = plt.subplots(nrows=2,ncols=2,figsize=(8,6))sns.countplot(x,y,data,ax=axes[0,0])sns.countplot(x,y,data,ax=axes[0,1])sns.countplot(x,y,data,ax=axes[1,0])sns.countplot(x,y,data,ax=axes[1,1])

2.繪製直方分布圖：

displot：

sns.distplot(data, bins=None, hist=True, kde=True, rug=False, fit=None,color=None, axlabel=None, ax=None)# bins--設置矩形圖數量 hist--是否顯示條形圖 kde --是否顯示核密度估計圖 rug --是否顯示邊際毛毯 fit --擬合的參數分布圖形

kdeplot:

sns.kdeplot(data, shade=True) #shade控制陰影

jointplot(雙變數分布):

sns.jointplot(x,y,data,kind=reg,color=g)# kind有三種參數： reg--繪製擬合直線 hex--繪製蜂窩狀散點圖 kde--繪製核密度圖

pairplot（矩陣分布）：

sns.pairplot(data,vars=[col1,col2],hue=col3,palette=muted)# vars可自定義選擇幾個變數 hue選擇分類的欄位

2.繪製條形圖

barplot：

sns.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None,capsize=None， estimator=mean)# hue--分類欄位 order，hue_order--變數繪圖順序 orient--條形圖是水平（v）還是豎直（h） capsize--誤差棒的寬度 estimator--每類變數的統計方式，默認mean

countplot（計數圖）：

sns.countplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None)

3.繪製箱圖

boxplot：

sns.boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, width_=0.8,notch=False)# hue--分類欄位 width--箱圖寬度 notch--中間箱體是否顯示缺口，默認False

4.繪製散點圖

lmplot：

sns.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=3, size=5, markers=o)# hue--散點圖中的分類欄位 col--列分類變數，構成子集 row--行分類變數 col_wrap--控制每行子圖數量 size--控制子圖高度 markers--點的形狀

推薦閱讀：