matplotlib、seaborn又一个强力统计分析助手

分享一个Python可视化强力扩展包—plotastic。

极大弥补matplotlib、seaborn添加P-value等统计分析方面的弱点。

使用plotastic你可以轻松实现，例如，

看一个简单的例子，

plst.set_palette(["tomato", "royalblue"], verbose=False)

(
    DA1.subplots(figsize=(3, 2))  
    # 绘图
    .fillaxes(kind="swarm", dodge=True, size=1.8, alpha=0.8)  # 绘制散点图
    .fillaxes(
        kind="box",  # 绘制箱线图
        #散点图、箱线图美化
        whiskerprops=dict(linewidth=0),  
        boxprops=dict(linewidth=0, fill=False),  
        medianprops=dict(linewidth=0),  
        showmeans=True,  
        meanprops=dict(marker="_", markeredgecolor="black"),  
        showfliers=False,  
    )
    # 坐标轴、图例美化
    .edit_y_scale_log(10)
    .edit_y_ticklabels_log_minor(subs=[0, 1, 2, 5]) 
    .edit_y_ticklabel_percentage() 
    .annotate_pairwise(only_sig="all", include="__hue")  
    .edit_titles(axtitles=["Non-Smoker", "Smoker"])  
    .edit_xy_axis_labels(y="Tip [%]", x="") 
    .edit_legend(capitalize_title=True) 
)

# 保存图片
plt.savefig("tips1.png", dpi=300, bbox_inches="tight")

使用方法有点类似新版的seaborn， 使用plotastic前需要安装Python >= 3.11、pandas == 1.5.3和seaborn <= 0.12.2。

---

进一步学习：matplotlib、seaborn又一个强力统计分析助手强力统计分析助手https://mp.weixin.qq.com/s/mlITu2X9Qmt5P-enHwz5fg