Python极简读书笔记（八）matpltlib与Seaborn可视化分析

seaborn是比matplotlib更高级的绘图库

import math
import matplotlib.pyplot as plt
​
# 生成正弦曲线x点
nbSamples = 256
xRange = (-math.pi, math.pi) 
x, y = [], []
​
# 构造数据很麻烦
for n in range(nbSamples):
    ratio = (n + 0.5) / nbSamples
    x.append(xRange[0] + (xRange[1] - xRange[0]) * ratio)
    y.append(math.sin(x[-1]))
​
plt.plot(x, y)
plt.show()

# 使用NumPy简化数据构造
import math
import matplotlib.pyplot as plt
import numpy as np
​
# 生成正弦曲线
nbSamples = 256
x = np.linspace(-math.pi, math.pi, num=256)
y = np.sin(x)
​
plt.plot(x, y)
plt.show()

• color
• linewidth
• linestyle

pyplot高级功能

• 图例和注释

  • # 使用NumPy简化数据构造
    import math
    import matplotlib.pyplot as plt
    import numpy as np
    ​
    # 生成正弦曲线
    nbSamples = 256
    x = np.linspace(-math.pi, math.pi, num=256)
    y = np.sin(x)
    y2 = np.cos(x)
    ​
    plt.plot(x, y, label=r'$y=sin(x)$')
    plt.plot(x, y2)
    ​
    plt.legend(loc='best')
    plt.show()
    

• 显示坐标点

  • # 使用NumPy简化数据构造
    import math
    import matplotlib.pyplot as plt
    import numpy as np
    ​
    # 生成正弦曲线
    nbSamples = 256
    x = np.linspace(-math.pi, math.pi, num=256)
    y = np.sin(x)
    y2 = np.cos(x)
    ​
    plt.plot(x, y, label=r'$y=sin(x)$')
    for a,b in zip(x, y):
        plt.text(a, b, (a, b))
    plt.plot(x, y2)
    ​
    plt.legend(loc='best')
    plt.show()
    

• 标题&坐标轴

  • plt.rcParams['font.sans-serif']=['SimHei']
    plt.title('正弦函数')
    ​
    plt.xlim(-5, 5)
    plt.xlabel('iamx')
    

    

• 一次性多条曲线

  • 

• 添加网格线

  • plt.grid(b = True)

• 绘制多个子图

t2 = np.arange(0.0, 5.0, 0.1)
​
plt.subplot(211)
plt.plot(t2, t2)
​
plt.subplot(2,1,2)
plt.plot(t2, np.cos(2*np.pi*t2))
plt.show()

• Axes和Subplot的区别

  • 

  • 整齐排列的是子图；不规则摆放的叫Axes

    • import matplotlib.pyplot as plt
      ​
      fig = plt.figure()
      fig, axes_lst = plt.subplots(2, 2)
      plt.show(), axes_lst
      ​
      >>>>>>>
      (None,
       array([[<AxesSubplot:>, <AxesSubplot:>],
              [<AxesSubplot:>, <AxesSubplot:>]], dtype=object))
      

      

    • import matplotlib.pyplot as plt
      ​
      fig = plt.figure()
      fig, axes_lst = plt.subplots(2, 2)
      ​
      t2 = np.arange(0.0, 5.0, 0.1)
      # 就写到第四个位置
      axes_lst[1,1].plot(t2, np.cos(2*np.pi*t2))
      ​
      plt.show(), axes_lst
      

      

• 实现大图套小图效果

  • 很有意思

  • import matplotlib.pyplot as plt
    
    x = np.linspace(0, 2*np.pi, 400)
    y = np.sin(x**2)
    
    fig = plt.figure()
    l1, b1, w1, h1 = 0.1, 0.1, 0.8, 0.8
    # 画布上增加子图
    a1 = fig.add_axes([l1, b1, w1, h1])
    a1.scatter(x, y)
    a1.set_xlabel('x')
    a1.set_ylabel('y')
    
    a1.set_title('title')
    
    l2, b2, w2, h2 = 0.6, 0.6, 0.25, 0.25
    # 画布上增加另一个子图
    a2 = fig.add_axes([l2, b2, w2, h2])
    a2.plot(x, y)
    a2.set_title('title inside')
    plt.show()
    

    

• 散点图

  • plt.scatter()
  • 只能绘制点状图，不支持将点连成线

• 条形图 plt.bar()

  • 一般条形图：bar() barh()

    • bar() 垂直条形图
    • barh() 水平条形图

  • 并列条形图：

    • import numpy as np
      import matplotlib.pyplot as plt
      
      n_groups = 4
      means_f = (90,55,40,65)
      means_g = (85,62,54,20)
      
      fig, ax = plt.subplots()
      index = np.arange(n_groups)
      
      bar_width = 0.35
      r1 = plt.bar(index, means_f, bar_width, label='r1')
      r1 = plt.bar(index+bar_width, means_g, bar_width, label='r2')
      plt.xlabel('lesson')
      plt.ylabel('score')
      plt.legend()
      plt.show()
      

      

  • 叠加条形图

    • import numpy as np
      import matplotlib.pyplot as plt
      
      n_groups = 4
      means_f = (90,55,40,65)
      means_g = (85,62,54,20)
      
      fig, ax = plt.subplots()
      index = np.arange(n_groups)
      
      bar_width = 0.35
      r1 = plt.bar(index, means_f, bar_width, label='r1')
      r1 = plt.bar(index, means_g, bar_width, bottom=means_f, label='r2')
      plt.xlabel('lesson')
      plt.ylabel('score')
      plt.legend()
      plt.show()
      

      

• 直方图 plt.hist()

  • 直方图的宽度也是有意义的，条形图的宽度是没有意义的

  • X轴会从小到大划分为若干个间隔，间隔越大涵盖的属性跨度越大。

  • Y轴表示特定区间样本出现的次数（频数）

  • import numpy as np
    import matplotlib.pyplot as plt
    
    mu = 100
    sigma = 15
    x = mu + sigma * np.random.randn(200)
    num_bins = 25 # x轴间隔
    plt.figure(figsize=(9,6), dpi=100)
    
    n,bins,patches = plt.hist(x, num_bins)
    
    plt.show(), bins, patches, n
    

    

• 饼图 plt.pie

  • 
  • 

• 箱形图 boxplot plt.boxplot()

• 误差条 Error Bar plt.errorbar()

  • 

绘制三维图形

from mpl_toolkits.mplot3d import Axes3D

与Pandas协作绘图

matplotlib是一个相当底层的绘图工具，Matplotlib被有机集成到了Pandas中。

df = pd.read_csv('us.csv', parse_dates = True, index_col = [0])
# 将日期类型称为DataFrame对象的索引
df.plot() 

# 绘制某个州
df.Illinois.plot()
plt.show()

• pd绘制子图

  • df[a].plot(subplots = True, figsize = (15,60), layout=(3,4))
    

    

惊艳的Seaborn

基于matlab的数据可视化库，进行了更高级的API封装，使图像变得精致

对图 pairplot

• sns.pairplot()

sns.set_style("ticks") #用于设置图片风格，darkgrid/whitegrid/dark/white/ticks

heatmap(热力图)

• sns.heatmap()

  

箱形图 bo x p lo t

• sns.boxplot()

小提琴图 violinplot

• sns.violinplot()

密度图 Density Plot

• sns.kdeplot()

seaborn这个简单看看就行了，要用的时候和echart一样官网看看api。