python读取mtcars数据集并实现以下操作_Python可视化43 | plotnine≈R语言ggplot2,43plotnineR...

plotnine是

图层图形语法(

The Grammar of Graphics

)在python中的实现

，是ggplot2的python办，

使用方法和ggplot2几乎一样

。

本文将

基于

图层图形语法(

The Grammar of Graphics

)系统介绍

plotnine，不纠结某一个具体图某一个参数，力争全局把握。

欢迎微信关注公众号：

pythonic生物人

往期精彩

目录

plotnine安装

使用pip安装

#指定清华源快速安装plotnine

pip install plotnine -i https://pypi.tuna.tsinghua.edu.cn/simple

使用conda安装

conda install plotnine

linux使用git安装

git clone https://github.com/has2k1/plotnine.git

cd plotnine

pip install -e .

plotnine中数据集(data)

使用pandas.DataFrame类型数据集

#内置数据集

print(dir(plotnine.data))

'diamonds', 'economics', 'economics_long', 'faithful', 'faithfuld', 'huron', 'luv_colours', 'meat', 'midwest', 'mpg', 'msleep', 'mtcars', 'pageviews', 'presidential', 'seals', 'txhousing'

plotnine中图像属性(

aes

thetic attributes)

data to the

aes

thetic attributes (colour, shape, size)

#aes中设置点的属性，按class使用不同颜色

ggplot(mpg, aes('displ', 'hwy', colour = 'class')) + geom_point()

plotnine中几何对象(

geome

tric objects)

几乎和ggplot2一样，都是以

geom_

开头的函数，如下：

print(len([i for i in dir(plotnine.geoms) if i.startswith('geom_')]))

print([i for i in dir(plotnine.geoms) if i.startswith('geom_')])#41中基础图

41

['geom_abline', 'geom_area', 'geom_bar', 'geom_bin2d', 'geom_blank', 'geom_boxplot', 'geom_col', 'geom_count', 'geom_crossbar', 'geom_density', 'geom_density_2d', 'geom_dotplot', 'geom_errorbar', 'geom_errorbarh', 'geom_freqpoly', 'geom_histogram', 'geom_hline', 'geom_jitter', 'geom_label', 'geom_line', 'geom_linerange', 'geom_map', 'geom_path', 'geom_point', 'geom_pointrange', 'geom_polygon', 'geom_qq', 'geom_qq_line', 'geom_quantile', 'geom_rect', 'geom_ribbon', 'geom_rug', 'geom_segment', 'geom_sina', 'geom_smooth', 'geom_spoke', 'geom_step', 'geom_text', 'geom_tile', 'geom_violin', 'geom_vline']

ggplot(mpg, aes('class', 'hwy')) + geom_boxplot()#geom_boxplot()绘制箱图

ggplot(mpg, aes('class', 'hwy')) + geom_violin()#geom_violin()绘制小提琴图

plotnine中统计变换(

stat

istical transformations)

print([i for i in dir(plotnine.stats) if i.startswith('stat_')])

['stat_bin', 'stat_bin2d', 'stat_bin_2d', 'stat_bindot', 'stat_boxplot', 'stat_count', 'stat_density', 'stat_density_2d', 'stat_ecdf', 'stat_ellipse', 'stat_function', 'stat_hull', 'stat_identity', 'stat_qq', 'stat_qq_line', 'stat_quantile', 'stat_sina', 'stat_smooth', 'stat_sum', 'stat_summary', 'stat_summary_bin', 'stat_unique', 'stat_ydensity']

#统计每组数据均值，红点表示

ggplot(mpg, aes('trans', 'cty')) + geom_boxplot() + stat_summary(

mapping=None,

data=None,

geom='point',

fun_data='mean_cl_boot', #计算均值，这里用法与ggplot2用法有差异，help(stat_summary)查看详细用法

colour='red',

size=4) + \

theme(axis_text_x = element_text(angle=90, hjust=1))

plotnine中标度(

scale

s)

将数据取值映射到图形空间，使用颜色，形状，大小表示不同取值，使用图例，网格线展示标度，可使用的函数：

print([i for i in dir(plotnine.scales) if i.startswith('scale_')])

['scale_alpha', 'scale_alpha_continuous', 'scale_alpha_datetime', 'scale_alpha_discrete', 'scale_alpha_identity', 'scale_alpha_manual', 'scale_alpha_ordinal', 'scale_color', 'scale_color_brewer', 'scale_color_cmap', 'scale_color_cmap_d', 'scale_color_continuous', 'scale_color_datetime', 'scale_color_desaturate', 'scale_color_discrete', 'scale_color_distiller', 'scale_color_gradient', 'scale_color_gradient2', 'scale_color_gradientn', 'scale_color_gray', 'scale_color_grey', 'scale_color_hue', 'scale_color_identity', 'scale_color_manual', 'scale_color_ordinal', 'scale_colour_brewer', 'scale_colour_cmap', 'scale_colour_cmap_d', 'scale_colour_continuous', 'scale_colour_datetime', 'scale_colour_desaturate', 'scale_colour_discrete', 'scale_colour_distiller', 'scale_colour_gradient', 'scale_colour_gradient2', 'scale_colour_gradientn', 'scale_colour_gray', 'scale_colour_grey', 'scale_colour_hue', 'scale_colour_identity', 'scale_colour_manual', 'scale_colour_ordinal', 'scale_fill_brewer', 'scale_fill_cmap', 'scale_fill_cmap_d', 'scale_fill_continuous', 'scale_fill_datetime', 'scale_fill_desaturate', 'scale_fill_discrete', 'scale_fill_distiller', 'scale_fill_gradient', 'scale_fill_gradient2', 'scale_fill_gradientn', 'scale_fill_gray', 'scale_fill_grey', 'scale_fill_hue', 'scale_fill_identity', 'scale_fill_manual', 'scale_fill_ordinal', 'scale_identity', 'scale_linetype', 'scale_linetype_continuous', 'scale_linetype_discrete', 'scale_linetype_identity', 'scale_linetype_manual', 'scale_manual', 'scale_shape', 'scale_shape_continuous', 'scale_shape_discrete', 'scale_shape_identity', 'scale_shape_manual', 'scale_size', 'scale_size_area', 'scale_size_continuous', 'scale_size_datetime', 'scale_size_discrete', 'scale_size_identity', 'scale_size_manual', 'scale_size_ordinal', 'scale_size_radius', 'scale_stroke', 'scale_stroke_continuous', 'scale_stroke_discrete', 'scale_x_continuous', 'scale_x_date', 'scale_x_datetime', 'scale_x_discrete', 'scale_x_log10', 'scale_x_reverse', 'scale_x_sqrt', 'scale_x_timedelta', 'scale_xy', 'scale_y_continuous', 'scale_y_date', 'scale_y_datetime', 'scale_y_discrete', 'scale_y_log10', 'scale_y_reverse', 'scale_y_sqrt', 'scale_y_timedelta']

#点按f1使用不同marker，按cty使用不同siz

ggplot(mpg, aes('displ', 'hwy', colour='class')) + geom_point(

aes(shape='fl', size='cty')) + scale_shape() + scale_size()

plotnine中位置设置(Position adjustments)

print([i for i in dir(plotnine.positions) if i.startswith('position_')])

['position_dodge', 'position_dodge2', 'position_fill', 'position_identity', 'position_jitter', 'position_jitterdodge', 'position_nudge', 'position_stack']

print(ggplot(mpg, aes('cty', fill='class')) + geom_bar())#堆叠barplot

print(ggplot(mpg, aes('cty', fill='class')) + geom_bar(position = "fill"))#填充barplot

print(ggplot(mpg, aes('cty', fill='class')) + geom_bar(position = "dodge"))#并列barplot

plotnine中坐标系(

coord

inate system)

print([i for i in dir(plotnine.coords) if i.startswith('coord_')])

['coord_cartesian', 'coord_equal', 'coord_fixed', 'coord_flip', 'coord_trans']

plotnine中分面(facet)

#facet_wrap，如下

(ggplot(mpg, aes(x='displ', y='hwy'))

+ geom_point()

+ facet_wrap('class')

+ labs(x='displacement', y='horsepower'))

#facet_grid，如下

(

ggplot(mpg, aes(x='displ', y='hwy'))

+ geom_point()

+ facet_grid('drv ~ .', labeller = 'label_both')

+ labs(x='displacement', y='horsepower')

)

#facet_null()单个图，不介绍

plotnine中主题(Themes)及子图绘制

print([i for i in dir(plotnine.themes) if i.startswith('theme_')])

['theme_538', 'theme_bw', 'theme_classic', 'theme_dark', 'theme_get', 'theme_gray', 'theme_grey', 'theme_light', 'theme_linedraw', 'theme_matplotlib', 'theme_minimal', 'theme_seaborn', 'theme_set', 'theme_update', 'theme_void', 'theme_xkcd']

from matplotlib import gridspec

p1 = ggplot(mpg, aes('displ', 'hwy')) + geom_point() + geom_smooth() + theme_xkcd()

p2 = ggplot(mpg, aes('displ', 'hwy')) + geom_point() + geom_smooth() + coord_cartesian(xlim=(5, 7)) + theme_dark()

p3 = ggplot(mpg, aes('cty', 'displ')) + geom_point() + geom_smooth() +theme_matplotlib()

p4 = ggplot(mpg, aes('displ', 'cty')) + geom_point() + geom_smooth() + coord_fixed() + theme_linedraw()

# 绘制多子图

fig = (ggplot()+geom_blank(data=mpg)+theme_void()).draw()

gs = gridspec.GridSpec(2,2)

ax1 = fig.add_subplot(gs[0,0])

ax2 = fig.add_subplot(gs[0,1])

ax3 = fig.add_subplot(gs[1,0])

ax4 = fig.add_subplot(gs[1,1])

_ = p1._draw_using_figure(fig,[ax1])

_ = p2._draw_using_figure(fig,[ax2])

_ = p3._draw_using_figure(fig,[ax3])

_ = p4._draw_using_figure(fig,[ax4])

plt.tight_layout()

plt.show()

本文结束，欢迎微信关注公众号：

pythonic生物人