Python 绘图代码懒人仓

自用。

190805更新

 

国际通行引用法 

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

 

频率图

sns.kdeplot

#频率分布图
x = df['income']

fig, ax = plt.subplots( figsize=(8,6))
ax.set(xlabel='pred_income')
sns.kdeplot(x, color='g',shade=True,ax=ax).set_title('pred_income')
plt.show()

 

直方图

#可以启用kde=True
fig, ax = plt.subplots( figsize=(8,6))
sns.distplot(g['freq'], bins=range(0,20,1),hist=True,kde=False, color="g", kde_kws={"shade": True}, ax=ax)
plt.show()

 

多子图+频方图

主要是用sns.dostplot实现了hist，sns.kdeplot实现了核密度估计。

fig, ax = plt.subplots( 2 , 2,figsize=(16,12))

#ax[0,0].set(xlabel='politic_score')
sns.distplot(q['politic'], bins=range(40,80,5),hist=True, color="g", kde_kws={"shade": True}, ax=ax[0, 0])
aa = sns.kdeplot(q['politic'],color='g',shade=True, ax=ax[0,0])
aa.set_title('politic_score',fontdict={'fontsize':16})
aa.set_xticks(aa.get_xticks(),minor=True)

#ax[0,1].set(xlabel='english_score')
aa = sns.kdeplot(q['english'],color='r',shade=True, ax=ax[0,1])
aa.set_title('english_score',fontdict={'fontsize':16})
aa.set_xticks(aa.get_xticks(),minor=True)
sns.distplot(q['english'], bins=range(50,100,5),hist=True, color="g", kde_kws={"shade": True}, ax=ax[0, 1])

aa = sns.kdeplot(q['math'],color='b',shade=True, ax=ax[1,0])
aa.set_title('math',fontdict={'fontsize':16})
aa.set_xticks(aa.get_xticks(),minor=True)
sns.distplot(q['math'], bins=range(80,150,10),hist=True, color="g", kde_kws={"shade": True}, ax=ax[1, 0])

aa = sns.kdeplot(q['cs'],color='m',shade=True, ax=ax[1,1])
aa.set_title('cs',fontdict={'fontsize':16})
aa.set_xticks(aa.get_xticks(),minor=True)
sns.distplot(q['cs'], bins=range(80,150,10),hist=True, color="g", kde_kws={"shade": True}, ax=ax[1, 1])

plt.show()

 

 

 直方图

注意自己设计bins分箱，这个的style还没整明白。

fig, ax = plt.subplots( 1 , 1,figsize=(8,6))
sns.set(style="white", palette="muted", color_codes=True)
sns.distplot(list(q['政治']),kde=False,hist=True,bins=range(50,70))
plt.show()

 

热度图

传入df的话，会自动使用index和columns来做xy轴标签。

我这里用了行逆向，希望对角线是左下角到右上角。

plt.figure(figsize=(8,8))

#需要行转置一下，不然不能看出对角线关系
sns.heatmap(myo.values[::-1,:],cmap="YlGnBu", xticklabels=myo.columns, yticklabels = myo.index[::-1] ,annot=False)
plt.show()

 

调色板控制

 

1.自定义颜色

flatui = ["#60acfc", "#32d3eb", "#5bc49f", "#feb64d", "#ff7c7c", "#9287e7"]
mypalette = sns.color_palette(flatui)
sns.palplot(mypalette)

print(mypalette)

[(0.3764705882352941, 0.6745098039215687, 0.9882352941176471),
 (0.19607843137254902, 0.8274509803921568, 0.9215686274509803),
 (0.3568627450980392, 0.7686274509803922, 0.6235294117647059),
 (0.996078431372549, 0.7137254901960784, 0.30196078431372547),
 (1.0, 0.48627450980392156, 0.48627450980392156),
 (0.5725490196078431, 0.5294117647058824, 0.9058823529411765)]

 

2.亮化、暗化

sns.palplot(sns.light_palette("green"))

sns.palplot(sns.dark_palette("red"))

3.渐变色

 

sns.palplot(sns.color_palette("ch:2.5,-.2,dark=.3"))

#这是什么语法？

sns.palplot(sns.color_palette("Blues_d"))

 

//调色板文章 https://www.jianshu.com/p/8bb06d3fd21b

//中文文档https://www.cntofu.com/book/172/docs/54.md

 

柱状图

注意跟直方图的运算逻辑并不相同。

plt.figure(figsize=(12,8))
sns.barplot(x=label,y=value,palette=mypalette)
plt.show()

 

多子图柱状图

fig, ax = plt.subplots( 2 , 2,figsize=(16,12))

ax[0,0].bar(dates,y1,width = 1,facecolor = 'lightskyblue',edgecolor = 'white')
ax[0,0].set_title('click')

ax[0,1].bar(dates,y2,width = 1,facecolor = 'lightgreen',edgecolor = 'white')
ax[0,1].set_title('cart')

ax[1,0].bar(dates,y3,width =1,facecolor = 'gold',edgecolor = 'white')
ax[1,0].set_title('collect')

ax[1,1].bar(dates,y4,width = 1,facecolor = 'pink',edgecolor = 'white',align='center')
ax[1,1].set_title('buy')

plt.show()

 

 

散点图

 

import numpy as np
import matplotlib.pyplot as plt

x = sizes[:,0]
y = sizes[:,1]

#color，可为rgb、"#xxxxxx"等定值
#c ,可使用定值，list of number时可以搭配cmap使用 
#s,尺寸单位pix
#marker,编辑
plt.scatter(x, y, marker = '.',c =y,cmap='plasma', s = 20 ,label = 'First',alpha=0.7)
plt.legend(loc = 'best')    # 设置 图例所在的位置 使用推荐位置
plt.xlabel('width')#横轴标签
plt.ylabel('height')
plt.show()