数据科学：Numpy、Pandas

数据科学：Matplotlib、Seaborn笔记

三、Matplotlib

1.Matplotlib subplots函数

ig, ax = plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False, **kwargs)

• nrows: 行数
• ncols: 列数
• sharex: 是否共享x轴刻度
• sharey: 是否共享y轴刻度
• figsize: 图形大小

# 绘制多个箱线图
import matplotlib.pyplot as plt
import numpy as npdata1 = np.random.randn(1000)
data2 = np.random.randn(1000)fig, axs = plt.subplots(2, sharex=True, sharey=True)
fig.suptitle('Multiple Boxplot')axs[0].boxplot(data1)
axs[0].set_title('Boxplot 1')
axs[1].boxplot(data2)
axs[1].set_title('Boxplot 2')plt.show()

2.tight_layout()函数

matplotlib库的pyplot模块中的tight_layout()函数用于自动调整子图参数以提供指定的填充。

matplotlib.pyplot.tight_layout(pad=1.08, h_pad=None, w_pad=None, rect=None)

• pad:此参数用于在图形边和子图的边之间进行填充，以字体大小的一部分表示。
• h_pad，w_pad：这些参数用于相邻子图的边之间的填充(高度/宽度)，作为字体大小的一部分。
• rect:此参数是整个子图区域将适合的归一化图形坐标中的矩形。

3.Matplotlib grid()设置网格格式

通过Matplotlib axes 对象提供的 grid() 方法可以开启或者关闭画布中的网格（即是否显示网格）以及网格的主/次刻度。除此之外，grid() 函数还可以设置网格的颜色、线型以及线宽等属性。

grid(color='b', ls = '-.', lw = 0.25)

• color：表示网格线的颜色；
• ls：表示网格线的样式；
• lw：表示网格线的宽度；

4.fill_between()函数

fill_between和fill_betweenx函数的作用都是填充两条曲线之间的区域。其中

• fill_between函数作用是填充两条水平曲线之间的区域。
• fill_betweenx函数作用是填充两条垂直曲线之间的区域。

matplotlib.pyplot.fill_between(x, y1, y2=0, where=None, interpolate=False, step=None, *, data=None, **kwargs)

参数说明如下：

• x：定义两条曲线的节点的x坐标。长度为N的类数组结构。必备参数。
• y1：定义曲线的节点的y坐标。长度为N的类数组结构或者标量。必备参数。
• y2：定义第2条曲线的节点的y坐标。长度为N的类数组结构或者标量，默认值为0。可选参数。
• where：根据条件排除一些填充区域。长度为N的布尔数组。默认值为None。可选参数。
• interpolate：当该属性为True时将计算实际交点，并将填充区域延伸到此点。布尔值。默认值为False。注意：该属性只有使用了where属性且两条曲线相互交叉时才生效。

示例

设置x轴为时间刻度

imoort pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdatesdf = pd.read_excel("***.xlsx")
# 绘制图像
fig, ax = plt.subplots()
ax.plot(df['time'], df['*'])
# 配置x轴时间间隔
time_format = mdates.DateFormatter('%H:%M:%S')
ax.xaxis.set_major_formatter(time_format)
ax.xaxis.set_major_locator(mdates.MinuteLocator(interval=240))
# 设置刻度位置
ax.set_xticks(pd.date_range(df['time'][0], df['time'][-1], freq='4h'))
# 还可以使用ax.set_xticklabels()来设置刻度的标签
# 设置开始坐标
ax.set_xlim(df['time'][0], df['time'][-1])
# 旋转x轴标签
fig.autofmt_xdate()
# 展示图形
plt.show()

热力图

散点图坐标轴为数值型数据，热力图类别型数据，体现的是两组变量的相关性

# 案例背景：工厂出货品质的好坏
factories = ['fac1','fac2','fac3','fac4','fac5']
quanlity = ['bad','poor','general','good','great']
result = np.round(np.random.random(25).reshape(5,5),1)fig,ax = plt.subplots(1,1)ax.imshow(result)# 轮流锁定单元格
for i in np.arange(len(factories)):for j in np.arange(len(quanlity)):plt.text(j,i,result[i][j],color='w',ha='center',va='center')# 设置坐标轴的类别数据标签
ax.set_xticks(np.arange(len(quanlity)))
ax.set_yticks(np.arange(len(factories)))
ax.set_xticklabels(quanlity)
ax.set_yticklabels(factories)# 修饰工作
ax.set_title('goods quality of factories')
fig.tight_layout()

Python数据可视化matplotlib和pyecharts参数详解

四、Seaborn

1.set

设置绘图的背景色、风格、字型、字体等

seaborn.set(context='notebook', style='darkgrid', palette='deep', font='sans-serif', font_scale=1, color_codes=True, rc=None)

Seaborn有五个预设好的主题： darkgrid， whitegrid，dark，white，和 ticks，默认为darkgrid

控制风格：axes_style(), set_style()缩放绘图：plotting_context(), set_context()

常用函数

sns.distplot() – 绘制单变量分布图
sns.jointplot() – 绘制双变量关系图
sns.pairplot() – 绘制多变量关系图
sns.barplot() – 绘制条形图
sns.countplot() – 绘制计数图
sns.boxplot() – 绘制箱线图
sns.violinplot() – 绘制小提琴图
sns.heatmap() – 绘制热力图
sns.lineplot() – 绘制线图
sns.scatterplot() – 绘制散点图

3.seaborn.scatterplot

seaborn.scatterplot(x=None, y=None,   - vectors or keys in data 作用：指定 x 轴和 y 轴上位置的变量。hue=None,         - vector or key in data 作用：将生成不同颜色的点的变量分组。可以是分类或数字，尽管颜色映射在后一种情况下会有不同的行为。style=None,       - vector or key in data 作用：将生成具有不同标记的点的变量分组。可以具有数字 dtype，但始终被视为分类类型。size=None,        - vector or key in data  作用：将生成不同大小的点的变量分组。可以是分类型的，也可以是数值型的，尽管大小映射在后一种情况下会有不同的行为data=None,        - pandas.DataFrame, numpy.ndarray, mapping, or sequence 作用：输入数据结构。要么是可以分配给命名变量的长形式向量集合，要么是将在内部重新形成的宽形式数据集合。sizes=None,       - list, dict, or tuple  作用：一个对象，它决定使用时如何选择大小。它始终可以是大小值的列表，或者是变量到大小的 dict 映射级别。当是 numeric 时，它也可以是一个元组，指定要使用的最小和最大大小，以便在这个范围内对其他值进行规范化size_order=None,  - list 作用：为变量级别的外观指定顺序，否则根据数据确定它们。如果变量是 numeric.sizeize，则不相关size_norm=None,   - tuple or Normalize object 作用：当变量是 numeric.size 时，用于缩放绘图对象的数据单元的规范化markers=True,     - boolean, list, or dictionary 作用：对象，确定如何为变量的不同级别绘制标记。设置为将使用默认标记，或者可以将变量的标记列表或字典映射级别传递给标记。设置为将绘制无标记线。在 matplotlib.styleTruestyleFalse 中指定标记alpha=None,       - float 作用：点的比例不透明度。
): 

参考

matplotlib中文
https://github.com/datawhalechina/fantastic-matplotlib