Python可视化库——Matplotlib和Seaborn库

本文详细介绍了Python中的两个主要数据可视化库——Matplotlib和Seaborn。通过Matplotlib,我们学习了如何进行基本的绘图操作,如设置参数、创建子图、绘制不同类型的图表,包括柱形图、散点图和直方图等。Seaborn则提供了更高级的可视化功能,包括5种风格设置、调色板选择以及各种多变量分析图表,如jointplot、pairplot和violinplot等。此外,还介绍了如何利用Seaborn进行回归分析和分类分析,以及如何优化图表的展示效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

数据可视化库——Matplotlib

import matplotlib.pyplot as plt
  • 默认可视化操作
    • plt.plot():画图
    • plt.show():显示
  • 设置参数
    • plt.xticks(rotation):变量名倾斜
    • plt.xlable(‘变量名’):x轴名称
    • plt.ylabel(‘变量名’):y轴名称
    • plt.title():标题名称
  • 子图
    • fig=plt.figure():指定默认画图空间
    • fig.add_subplot(4,1,x):x代表相对位置
  • 加注释:plt.legend(loc=‘best’) 'best’代表注释框的位置
  • 绘图种类:fig,ax=plt.subplots(),ax是画图的轴,实际画图;fig用来设置参数
    • 柱形图:
      • ax.bar(bar_positions, bar_heights, 0.5),0.5代表柱宽
      • ax.barh():橫柱形图
    • 散点图:ax.scatter(x, y)
    • 直方图(有bins):
      • ax.hist(y, range(4,5), bins=20),range设置了值的范围
      • ax.set_ylim(0.5):设置y轴范围
    • 盒图:ax.boxplot()
  • 在某元素上加文字:ax.text(x, y, ‘text’)

可视化库——Seaborn

import seaborn as sns
  • Seaborn库是在Matplotlib库基础上的封装
  • 设置风格
    • sns.set():默认风格
    • sns.set_style(“风格”):5种风格
    • with sns.axes_style(“风格”):with下的语句全部使用这种风格
  • 布局
    • sns.despline(offset, left):设置轴线的偏置及显示
    • sns.set_context(“paper”):设置图中曲线大小
  • 调色板:sns.color_palette(),共有6个主题
    • 圆形画板:sns.color_palette(“hls”)
    • 成对:“Paired”
    • 连续型
      • sns.color_palette(“Blues”):由浅到深
      • sns.color_palette(“Blues_r”):由深到浅
      • sns.light_palette(“green”):由浅到深,reverse=True表示由深到浅
      • sns.dark_palette(“green”):由深到浅
    • 线型:sns.cubehelix_palette(8, start, rot)
  • 变量分析
    • 单变量:sns.distplot(x, kde, bins, fit)——直方图
      • x:变量
      • kdn:估计和密度
      • bins:将x轴分为几份
      • fit:分布状态
    • 双变量:
      • sns.jointplot(x, y, data)——散点图
      • sns.jointplot(x, y, kind=“hex”, color)——可体现数据密度
    • 多变量
      • sns.pairplot():体现两两变量之间的关系
      • sns.stripplot(x, y, data):不推荐,数据量大时连成一条线
      • 优化方法:
        • sns.stripplot(x, y, data, jitter=True)——加小幅度的抖动
        • sns.swamplot(x, y, data)——树状
        • sns.violinplot(x, y, hue, data, split)——小提琴图
  • 回归分析:regplot,lmplot
    • sns.load_dataset(“数据”)——下载数据
    • sns.regplot(x, y, data, jitter)
  • 分类分析
    • sns.barplot(x, y, hue, data):条形图,描绘整体趋势
    • sns.pointplot(x, y, hue, data):点图,描绘变化差异
    • sns.factorplot(x, y, data, kind):多层面板分类图
  • Facetgrid——展示子集
    • 使用方法
      • g=sns.FacetGrid(data, col)
      • g.map(plt.hist, “变量”)
    • 设置参数
      • g.set_axis_labels():轴的名称
      • g.set(xticks, yticks):x,y的取值
      • g.fig.subplots_adjust(wspace, hspace):间隙
    • 多变量
      • g.PairGrid()
      • g.map_diag()
      • g.map_offdiag()
  • 热度图:sns.heatmap(data, vmin, vmax, center, annt,fmd, linewidth, cmap)
    • annot:在每一格中显示数字
    • fmd:显示数字的格式
    • linewidth:格间距离
    • cmap:颜色图
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值