python绘图中四个绘图技巧

pre{overflow-x: auto}

技巧1: plt.subplots()

技巧2: plt.subplot()

技巧3: plt.tight_layout()

技巧4: plt.suptitle()

数据集:

让我们导入包并更新图表的默认设置,为图表添加一点个人风格。 我们将在提示上使用 Seaborn 的内置数据集:

import seaborn as sns # v0.11.2  import matplotlib.pyplot as plt # v3.4.2  sns.set(style='darkgrid', context='talk', palette='rainbow')df = sns.load\_dataset('tips')  df.head()

技巧1: plt.subplots()

绘制多个子图的一种简单方法是使用 plt.subplots() 。

这是绘制 2 个并排子图的示例语法:

fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(10,4))  sns.histplot(data=df, x='tip', ax=ax[0])  sns.boxplot(data=df, x='tip', ax=ax[1]);

在这里,我们在一个图中绘制了两个子图。 我们可以进一步自定义每个子图。

 例如,我们可以像这样为每个子图添加标题:

fig, ax = plt.subplots(1, 2, figsize=(10,4))  sns.histplot(data=df, x='tip', ax=ax[0])  ax[0].set\_title("Histogram")  sns.boxplot(data=df, x='tip', ax=ax[1])  ax[1].set\_title("Boxplot");

在循环中将所有数值变量用同一组图表示:

numerical = df.select\_dtypes('number').columnsfor col in numerical:   fig, ax = plt.subplots(1, 2, figsize=(10,4))   sns.histplot(data=df, x=col, ax=ax[0])   sns.boxplot(data=df, x=col, ax=ax[1]);

技巧2: plt.subplot()

另一种可视化多个图形的方法是使用 plt.subplot(),末尾没有 s

 语法与之前略有不同:

plt.figure(figsize=(10,4))  ax1 = plt.subplot(1,2,1)  sns.histplot(data=df, x='tip', ax=ax1)  ax2 = plt.subplot(1,2,2)  sns.boxplot(data=df, x='tip', ax=ax2);

当我们想为多个图绘制相同类型的图形并在单个图中查看所有图形,该方法特别有用:

plt.figure(figsize=(14,4))  for i, col in enumerate(numerical):   ax = plt.subplot(1, len(numerical), i+1)   sns.boxplot(data=df, x=col, ax=ax)

我们同样能定制子图形。例如加个title

plt.figure(figsize=(14,4))  for i, col in enumerate(numerical):   ax = plt.subplot(1, len(numerical), i+1)   sns.boxplot(data=df, x=col, ax=ax)    ax.set\_title(f"Boxplot of {col}")

通过下面的比较,我们能更好的理解它们的相似处与不同处熟悉这两种方法很有用,因为它们可以在不同情况下派上用场。

技巧3: plt.tight_layout()

在绘制多个图形时,经常会看到一些子图的标签在它们的相邻子图上重叠,

如下所示:

categorical = df.select\_dtypes('category').columnsplt.figure(figsize=(8, 8))  for i, col in enumerate(categorical):   ax = plt.subplot(2, 2, i+1)   sns.countplot(data=df, x=col, ax=ax)

顶部两个图表的 x 轴上的变量名称被剪掉,右侧图的 y 轴标签与左侧子图重叠.使用plt.tight_layout很方便

plt.figure(figsize=(8, 8))  for i, col in enumerate(categorical):   ax = plt.subplot(2, 2, i+1)   sns.countplot(data=df, x=col, ax=ax)   plt.tight\_layout()

专业 看起来更好了。

技巧4: plt.suptitle()

真个图形添加标题:

plt.figure(figsize=(8, 8))  for i, col in enumerate(categorical):   ax = plt.subplot(2, 2, i+1)   sns.countplot(data=df, x=col, ax=ax)   plt.suptitle('Category counts for all categorical variables')  plt.tight\_layout()

此外,您可以根据自己的喜好自定义各个图。 例如,您仍然可以为每个子图添加标题。

到此这篇关于python绘图 四个绘图技巧的文章就介绍到这了,希望大家以后多多支持好二三四!

版权声明 1. 本网站名称:美文阅读网   永久网址:https://www.cxykgw.com/
2. 本文链接:python绘图中四个绘图技巧 https://www.cxykgw.com/p/205.html
3. 部分文章内容来源于网络,仅作为学习展示之用,版权归原作者所有
4. 因部分文章网络流转次数较多,已无法追溯至原作者,若遗漏导致侵犯了您的权益,请您来信告知我,确认后会尽快删除。
5. 本站禁止以任何方式发布或转载任何违法的相关信息,访客发现请向站长举报
6. 如无特别声明本文即为原创文章仅代表个人观点,版权归《美文阅读网》所有,欢迎转载,转载请保留原文链接。
THE END
分享
二维码
< <上一篇
下一篇>>