10.12 绘图matplotlib pandas seaborn

1. 3种绘图

pandas 和 seaborn 绘图都是基于 matplotlib的

image.png

变化趋势用线性图，对应关系用散点图，大小比较用条形图，数据分布用直方图，数据组成用饼图

1.1 知识点

LaTex语法 用π等表达式在图表上写上希腊字母。

2.Pandas绘图

快速使用一个Pandas对象出图

image.png

3.matplotlib

3.1基础知识

很多API有很多参数，先掌握主要的，后面慢慢都会。
（1）基本元素

image.png

（2）只含单一曲线的图
1.可以使用多个plot函数（推荐），在一个图中绘制多个曲线。
2.可以在一个plot函数中传入多个X,y值，在一个图中绘制多个曲线。

image.png

plt.plot(x,y) 绘制两组数据的对应关系。 plt.plot(y) 绘制一组数据，横轴0-n-1自动填充。
例：plt.plot(x)

image.png

image.png

例：plt(x,y) 把index作为x轴，x作为纵轴

image.png

image.png

3.2基础元素的设置

画板，画布，网格线，绘图上下文
坐标轴界限，坐标轴标签，刻度
画布标题，添加图例，保存图片

（1）画板

作用：画板是呈现画布，负责画布比例的1个背景，设不设置都存在
如何获取：

image.png

画板比例，比值越高，画布里所有元素越小。

（2）画布

作用：画布是画板的子视图，子视图会覆盖父视图
所以如果在子画布上再叠加一个子画布，两者的位置如果重叠的话，后叠加的子画布会覆盖。
如何获取：

image.png

(rows, cols, loc) 第几行，第几列，第几个子画布，位置从1开始。只是一种描述方式，并不是真的做切割。类似地球的经纬度，并没有切割和画那条线，只是位置描述。
获取画布，1.直接用plt.subplot 或者2.通过画板对象，add_subplot添加。

（3）网格线

image.png

image.png

（4）绘图上下文

使用plt时，会有绘图上下文。plt是面向过程式的写法，永远在操作最近的上一个对象。比如设置标题，操作之前的标题。

image.png

例：
得到画布：

image.png

绘图：

image.png

再plt绘制一图，plt画在axes2上去了。

image.png

如果把plt的位置换到前面，会画到axes上去，画第一张。plt只设置离它最近的一个画图。

image.png

画一张图

image.png

image.png

比如：手写数字里，绘制Image里的任意一张图

image.png

想展示其中的100张：
为什么能画到所有子画布上，因为绘图上下文的关系。

image.png

image.png

（5）坐标轴界限

image.png

例： 画线型图，给一组数据，高低很大，真实情况不是如此。是坐标轴刻度问题，无形之中放大了差距。
把y轴刻度范围设置了，会变化。发现数据波动并不是很大。

image.png

image.png

image.png

（6）坐标轴的比例和隐藏

equal 设定横纵比例1:1，原本默认是1.5:1

image.png

image.png

（7）坐标轴的标签

坐标轴标签.png

image.png

例：

image.png

fontdict:字体的属性字典，可以通过键值对的方式加字体的大小，fontsize,color等。

（8）坐标轴的刻度

plt.xticks可以直接设置刻度和标签，但axes要通过2步完成。

坐标轴刻度.png

image.png

可以查找LaTex语法

（9）画布标题

image.png

image.png

（10）添加图例

方法1. label设置后，用plt.legend()显示图例标签。

image.png

loc默认字符表示的位置
通过字符串best等，或者数字0-10来表示位置。

image.png

第2种：以坐标系上下左右定点的相对位置来处理，4个顶点的刻度设置好了，就是如下。可以用比值，设定图例的位置。

image.png

图例也可以是超过图的界限： loc=(-0.1,0.9)

ncol参数可以控制图例显示的列数。

image.png

（11）保存图片

用figure对象来操作，filename:图片的存储路径，相对路径和绝对路径。
dpi像素，越大图像越大。
facecolor 保存时的背景颜色。plt.figure() 里的facecolor图像保存时会失效。

image.png

保存图片的函数参数

image.png

3.3 2D图像的绘制

plt里的2D图像并没有那么好用，除了散点图，条形图，线形图其他一般用seaborn的方式解决。seaborn做的精致和快。

（1）绘制线性图

image.png

线性图表示趋势或者和时间有关，两组数据大小对比不能用。

（2）绘制直方图

image.png

orientation='vertical' 方向
align对齐方式
histtype hist的类型
label:图例
rwith: row的宽度

image.png

image.png

image.png

参数normed 如果值为True, 直方图的值将进行归一化处理，形成概率密度，默认值为False

image.png

如果指定了多个数据集合，颜色序列将会设置为相同的顺序，如果未指定，将会使用一个默认的线条颜色。

image.png

image.png

1.plt.hist(bins) bins--分组的个数，把数据从最小值到最大值进行n等分 （等差数列,比如=5，确定6个刻度，有5个区间进行划分，直方图表示落在每个区间的数据的个数）data.min() data.max()
2.分箱绘制
plt.hist() y = pd.cut(data, bins, labels)

image.png

分箱案例：

image.png

得到1.labels，相当于给数据打标签，对每个数据的标记，第一个数据是510-998区间的。2.得到2个类别，categories

image.png

设置标签为0，1，第一个区间返回是0，第二个为1

image.png

手动划分区间，保证区间覆盖整个data

image.png

image.png

返回的值，第一个是每个区间的数据的个数，即y轴显示的条形图的高，第2个array是整个数据切割的范围。

(3)绘制条形图

image.png

aligin 柱形的边的对齐方式，默认居中。只有center和edge2种方式

image.png

image.png

颜色为3元组，条形图往往用对比，可以设置不同颜色

image.png

image.png

image.png

例：

image.png

image.png

条形图，横轴可以不为数字，把文字作为标签

image.png

image.png

image.png

将标签值替换，被替换的目标索引要和原始索引匹配。不匹配上会失败。可以用np.arange（n）# 几个值就用几,那样2个图在1个图像中时，标签可以替换成功。

image.png

image.png

image.png

（4）极坐标条形图

要点：设立极坐标系，索引0-2π， 在极坐标系上绘制条形图。

image.png

（4）饼图

2种方式，1. 拿一组整数填，会按整数所占的比例去计算。
2.用小数填，如果小数和小于1，那么得到的饼图是缺角的。

image.png

image.png

（5）散点图

image.png

image.png

例：散点图：找到两组对应关系

image.png

例：引入第3维，成为气泡图

image.png

加上颜色，气泡呈现不同颜色

image.png

颜色用一个列表，相同的会呈现同一个颜色，比如，第2个和第5个颜色一样。

image.png

可以通过cmap参数配置0,1的颜色
cmap配置调色板，plt里提供了一些调色板，plt.cm.可以找到调色板

调色板作用，会维护一组颜色，如果设定c值，0,1，0是调色板中的索引，0对应的颜色是什么，就会渲染什么颜色。颜色都在调色板中处理的。所以更改调色板，颜色也会对应改变。

image.png

如果能记住调色板名称，可以直接用

image.png

（6）箱线图

箱线图的作用：主要是帮找离群点（异常值）的一种数据分布的图像。

image.png

例：

image.png

image.png

箱线图.png

最上和最下的横线是上边界和下边界，中间红色的线是中位数，整个箱子是数据的主要分布区间，中间长方形的上面横线是75%分位数，下面是25%分位数。整个箱子涵盖了50%的数据。上边界和下边界之外的数据就是离群点。所以可以把数据通过箱线图的绘制快速查看异常值的分布状况。是一种常见的查看数据质量的图像。箱线图用seaborn里绘制的比较多。

3.4 通用元素设置

image.png

线型中破折线，用dashes进行处理，接收偶数对的列表，
分别表示线长和间隙的长，交替处理。

image.png

image.png

image.png

设置破折号序列各段的宽度。

image.png

image.png

image.png

image.png

image.png

image.png

更多点的设置

image.png

image.png

多个曲线不同设置
多参数连用用 plt.plot(x1,y1,fmt1,x2,y2,fmt2...)

image.png

image.png

image.png

3.5 常用的颜色

image.png

image.png

十六进制颜色，# 开头表示16进制。

image.png

image.png

3.6 全局设置

plt.rcParams # 查看全局设置的参数

image.png

image.png

image.png

常用字体： 黑体 SimHei 仿宋 FangSong
楷体 KaiTi
可以做全局风格的设置。
一般用sns.set()更简单。

image.png

3.7 加载自定义字体（局部设置）

image.png

image.png

3.8 添加文字

（1）画板添加文字

image.png

（2）画布添加文字
1.mpl.axes.Axes.text() # 添加文本

image.png

2 mpl.axes.Axes.annotate() #添加注释

image.png

image.png

所有方法会返回一个matplotlib.text.Text对象

例：figure添加文本，x,y是一个相对位置，s是文本，
因为figure对象没有坐标刻度，x,y是一个0-1之间的相对位置。

image.png

例：annow
arowstyle 是 arrowprops里的一个键

image.png

image.png

例：
xy指向的那个位置，xytext 放文字的位置

image.png

4. seaborn

绘制复杂的二维图像

4.1 绘图风格的设定

（1）画布风格

image.png

（2）画布线条

image.png

（3）调色板

一、sns.set_palette()
1.特点

image.png

2.如何构造一个cmap对象

image.png

3.常用的调色板

image.png

4.默认的调色风格

deep, muted, bright, pastel, dark, colorblind
二、sns.color_palette()

image.png

4.2 常见图像绘制

（1）核心参数

image.png

（2）线图

image.png

（3）柱状图

image.png

（4）离散数据VS连续数据

箱线图，琴图，swarm图

image.png

（5）连续数据VS连续数据 散点图

sns.scatterplot()

（6）使用颜色深浅表现数据大小

image.png

（7）查看数据分布 ：直方图，kde图像，地毯图

image.png

（8）网格布局

image.png

（9）成对图像

批量展示两两数据之间的对应关系
sns.pairplot(data=iris, hue=species)

4.2 seborn matplotlib绘图

5. 3D图像

image.png

image.png

例：

image.png

plt.colorbar(p,shrink=0.5)