3.5 matplotlib

2.饼图（Pie Charts）

• 绘制单分类变量的相对频率

# code for the pie chart seen above
sorted_counts = pokemon['generation_id'].value_counts()
plt.pie(sorted_counts, labels = sorted_counts.index, startangle = 90,
        counterclock = False);
plt.axis('square')

直方图（Histograms）

• 直方图用于绘制数字变量的分布
  • 每一个柱是某一区间内点的个数
• 条形图是用来绘制分类变量的分布的

如果数据位于边缘，它将在右侧的区间内计数（除了最右侧）
默认将数据分为10个区间，

可以使用df.describe()来获取数据的统计信息，进而确定合适的边界和划分,然后利用bins来复制

bin_edges = np.arange(0,pokemon['attack'].max()+1,10)
plt.hist(data = pokemon, x = 'attack',bins = bin_edges);

子图绘制

• plt.figure(figsize = [10,5])
  • 子图中较大图形的尺寸
• plt.subplot(row = 1,col = 2, subplot =1)
  • 一行，两列，子图编号
  • 子图编号相同时，绘制到同一个图内

plt.figure(figsize = [10, 5]) # larger figure size for subplots

# histogram on left, example of too-large bin size
plt.subplot(1, 2, 1) # 1 row, 2 cols, subplot 1
bin_edges = np.arange(0, df['num_var'].max()+4, 4)
plt.hist(data = df, x = 'num_var', bins = bin_edges)

# histogram on right, example of too-small bin size
plt.subplot(1, 2, 2) # 1 row, 2 cols, subplot 2
bin_edges = np.arange(0, df['num_var'].max()+1/4, 1/4)
plt.hist(data = df, x = 'num_var', bins = bin_edges)

还可以使用seaborn中的distplot来绘制直方图

bin_edges = np.arange(0,pokemon['attack'].max()+1,10)
sb.distplot(pokemon['attack'],bins=bin_edges);

但是他会采用核密度的方式，但可以更改

bin_edges = np.arange(0, df['num_var'].max()+1, 1)
sb.distplot(df['num_var'], bins = bin_edges, kde = False,
            hist_kws = {'alpha' : 1})

---

matplot的一些常用参数设置

matplot可视化的基础是一个Figure对象,每个图中包含一个或多个Axes对象，每个Axes对象包含许多个其他的表示图的元素
调用plt.hist作图的过程可以看做是这样的：

1. 创建一个figure
2. 在figure上添加一个Axes
3. 在Axes上画图
   
   我们可以依照此顺序来控制图形的布局：
   解析以下代码：
4. figure()创建了一个画布对象fig
5. figure有一个方法是.add_axes()
6. 该方法需要一个list作为参数指定轴的尺寸（其值为整个figure相同行或列的百分比）
7. 列表的前两个元素是axes左下角的位置，最后两个元素指定axes的宽度和高度

fig = plt.figure()
ax = fig.add_axes([.125, .125, .775, .755])
ax.hist(data=pokemon, x='special-defense');

要将axes对象与seaborn一起使用，通常seaborn会有ax参数以指定绘制图形的轴

---

subplot

• 首先，matplotlib和seaborn自动选取最近的fig
• 其次，subplot指定的是axes

plt.figure(figsize = [10, 5]) # larger figure size for subplots

# example of somewhat too-large bin size
plt.subplot(1, 2, 1) # 1 row, 2 cols, subplot 1
bin_edges = np.arange(0, df['num_var'].max()+4, 4)
plt.hist(data = df, x = 'num_var', bins = bin_edges)

# example of somewhat too-small bin size
plt.subplot(1, 2, 2) # 1 row, 2 cols, subplot 2
bin_edges = np.arange(0, df['num_var'].max()+1/4, 1/4)
plt.hist(data = df, x = 'num_var', bins = bin_edges)

对于离散变量可以通过增加rwidth来使其分布散开

bin_edges = np.arange(1.5, 12.5+1, 1)
plt.hist(die_rolls, bins = bin_edges, rwidth = 0.7)
plt.xticks(np.arange(2, 12+1, 1))

---

统计描述，异常值，轴限制

当数据分布范围较大时，为了覆盖较小值和较大值，往往会在坐标轴上出现很多空隙，所以采用倍数差，而非算术差，对数分布

当面对偏斜分布时：

plt.hist(data=df,
         x='weight',
         bins=np.arange(df['weight'].values.min() - 1,
                        df['weight'].values.max() + 1, 20));

需要将坐标的增长变为倍数差

plt.hist(data=df,
         x='weight',
         bins=10 ** np.arange(-1,
                        3+0.1, 0.1))
plt.xscale('log');