Seaborn数据可视化(二)

目录

1.Seaborn风格设置

[1.1 主题设置](#1.1 主题设置)

[1.2 轴线设置](#1.2 轴线设置)

[1.3 移除轴线](#1.3 移除轴线)

[1.4 使用字典传递函数](#1.4 使用字典传递函数)

2.设置绘图元素比例

[2.1 设置绘图元素比例paper](#2.1 设置绘图元素比例paper)

[2.2 设置绘图元素比例poster](#2.2 设置绘图元素比例poster)

[2.3 设置绘图元素比例notebook](#2.3 设置绘图元素比例notebook)


Seaborn将Matplotlib的参数划分为两个独立的组合,第一组用于设置绘图的外观风格,第二组用于将绘图的各种元素按比例缩放。控制这些参数的接口主要有两对方法:

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

1.Seaborn风格设置

1.1 主题设置

set_style()用于设置主题,Seaborn有5个预设的主题,以下是这5个预设主题的简要介绍:

  • "darkgrid":深色网格主题,具有灰色背景和暗色网格线,在绘制时可以提供良好的对比度和可读性。

  • "whitegrid":白色网格主题,类似于"darkgrid",但背景是白色的,适用于需要明亮背景的情况。

  • "dark":深色背景主题,具有漆黑的背景和浅色文本,适用于在黑暗环境中查看图形。

  • "white":白色背景主题,与"dark"相反,具有白色背景和深色文本,适用于明亮的环境。

  • "ticks":轴刻度线主题,具有刻度线和标签,适用于显示轴上的刻度线和标签。

python 复制代码
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
def sinplot(flip = 2):
    x = np.linspace(0,20, 50)
    for i in range(1,5):
        plt.plot(x, np.cos(x + i * 0.8) * (9 - 2*i) * flip)
sinplot()

sns.set_style("white") #设置主题 
sinplot()

结果图:

1.2 轴线设置

python 复制代码
sinplot()
sns.despine(offset = 20, trim = True)

sns.despine()是seaborn库中的一个函数,用于移除绘图中的轴线(spines)。该函数提供了一些参数来控制轴线的移除方式。其中,offset参数用于调整轴线和绘图区域的距离,trim参数用于控制是否根据实际的数据范围截取轴线。

结果图:

1.3 移除轴线

python 复制代码
sinplot()
sns.despine(left = True,bottom = True)

结果图:

1.4 使用字典传递函数

python 复制代码
sns.set_style("darkgrid", {"axes.facecolor": ".9"})
sinplot()

结果图:

2.设置绘图元素比例

2.1 设置绘图元素比例paper

python 复制代码
sns.set_context("paper")
sinplot()

结果图:

2.2 设置绘图元素比例poster

python 复制代码
sns.set_context("poster")
sinplot()

结果图:

2.3 设置绘图元素比例notebook

python 复制代码
sns.set_context("notebook", font_scale = 1.8, rc = {"lines.linewidth": 1.5})
sinplot()

结果图:


相关推荐
程序猿乐锅32 分钟前
【从0-1学习Python | 第七篇】Python 面向对象基础
开发语言·笔记·后端·python·学习·1024程序员节
lzqrzpt34 分钟前
太阳能控制器选型要点:电路工艺与工程适配技术解析
python·1024程序员节
wang_yb42 分钟前
时间序列数据中,如何找出缺失值
数据分析·databook
databook1 小时前
时间序列数据中,如何找出缺失值
python·数据分析
小小龙学IT2 小时前
Python Polars 高性能数据处理引擎深度解析
开发语言·python·rust·1024程序员节
csdn_aspnet3 小时前
JavaScript 未排序数组中第 k 个最小/最大元素 (预期线性时间)
python
quantdash_cc3 小时前
如何利用标的信息为研究股票池补充名称和交易所信息?
开发语言·python·pandas·量化交易·1024程序员节·股票数据·quantdash
数字化转型分享点滴3 小时前
机加工企业上大数据分析系统有哪些容易踩的坑?
python·1024程序员节
B2_Proxy3 小时前
Scrapy 代理 IP 调度进阶:基于 Redis 与中间件的高可用架构实战
python·scrapy·1024程序员节
在世修行3 小时前
智学文枢:AI 客户端封装
python·http·ai·1024程序员节·pyside