绘图库 Matplotlib Search

关于Pathon的绘图库的认识和基本操作的学习这里学习了两款常用便捷的绘图库去学习使用

Matplotlib

介绍

是最受欢迎的一种数据可视化包是常用的2D绘图库一般常于Numpy和Pandas使用是数据分析中非常重要的工具

可以自定义XY轴绘制线形图柱状图直方图密度图散点图更清晰的展示数据

基本绘图

x x 为绘制做坐标点 ls 为线型linestyle lw为线宽linewidth lable为标签文本内容 color为颜色 marker为标记

|--------|----------------------------|
| ls | - 实线 : 点虚线 --破折线 -.点划线 |
| color | r 红 g 绿 y 黄 k 黑 w 白 |
| marker | . 点，像素点 o 实心圆 v 下三角 * 星星 |

python 复制代码

# 绘制直线图
import matplotlib.pyplot as plt
x = [1,2,3,4,5]
y = [2,4,6,8,10]
plt.plot(x,y,color="r",ls="--")
plt.show()

使用

设置网格

python 复制代码

import numpy as np # 设置网格
plt.figure(figsize=(6,3),dpi=100)
x = np.linspace(0,2*np.pi)
y = np.sin(x)
plt.plot(x,y)
plt.grid() # 设置网格

绘制多线

python 复制代码

import numpy as py # 绘制多条线 设置画布背景
plt.figure(figsize=(6,3),dpi=100) # 设置画布的长宽和分辨率
x = np.linspace(0,2*np.pi)
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y)
# plt.show() # 立刻绘图 只绘制xy的图像
plt.plot(x,z)

python 复制代码

# 创建数据
x = np.linspace(0,10,100)
y1 = np.sin(x)
y2 = np.cos(x)

# 绘制图形
plt.plot(x,y1,label='Sin Function',color="y",ls="-.") # 第一个数据系列
plt.plot(x,y2,label='Cos Function')

# 显示图例
plt.legend()

# 显示图形
plt.show()

多图布局

python 复制代码

#%%
%matplotlib inline
# 若不显示图片 则加上
import matplotlib.pyplot as plt
plt.rcParams['front.sans-serif'] = ['SimHei'] # 用于正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用于正常显示负号
#%%
# 绘制直线图
import matplotlib.pyplot as plt
x = [1,2,3,4,5]
y = [2,4,6,8,10]
plt.plot(x,y,color="r",ls="--")
plt.show()
#%%
import numpy as np # 设置网格
plt.figure(figsize=(6,3),dpi=100)
x = np.linspace(0,2*np.pi)
y = np.sin(x)
plt.plot(x,y)
plt.grid() # 设置网格
#%%
import numpy as py # 绘制多条线 设置画布背景
plt.figure(figsize=(6,3),dpi=100) # 设置画布的长宽和分辨率
x = np.linspace(0,2*np.pi)
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y)
# plt.show() # 立刻绘图
plt.plot(x,z)
#%%
# 多图布局
import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0,10,100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建一个2*2的子图布局
plt.figure(figsize=(10,6)) # 设置整个图的大小

# 第一个子图
plt.subplot(2,2,1) # 第一个子图位于2*2布局的第一个位置
plt.plot(x,y1,'r-') # 绘制曲线
plt.title('Sin Function') # 设置标题

# 第二个子图
plt.subplot(2,2,2) # 第二个子图的第二个位置
plt.plot(x,y2,'b-') # 设置cos曲线
plt.title('Cos Function')

# 第三个子图
plt.subplot(2,2,3)
plt.plot(x,y1 + y2,'h-')
plt.title('Sin + Cos Function')

# 第四个子图
plt.subplot(2,2,4)
plt.plot(x,y1 - y2,'r-')
plt.title('Sin - Cos Function')

# 调整子图之间的间距
plt.tight_layout()

# 显示图形
plt.show()

图形嵌套

python 复制代码

# 图形嵌套
import numpy as np
import matplotlib.pyplot as plt

# 创建数据
x = np.linspace(0,10,100)
y = np.sin(x)

# 创建外层图形
fig = plt.figure(figsize=(8,6))

# 在外层图形中创建嵌套的子图
plt.plot(x,y,'b-')
plt.title('Main Plot')

# 创建嵌套的子图
left,bottom, width,height = [0.4,0.5,0.25,0.25]
axes = fig.add_axes([left,bottom,width,height]) # 创建一个新的坐标轴
axes.plot(x,y,'r-',label = 'sin Function (Inset)')
plt.title('Inset Plot')

# 显示图例
plt.legend()

# 显示图形
plt.show()

调整刻度和标签

python 复制代码

import numpy as np
import matplotlib.pyplot as plt

# 创建数据
x = np.linspace(0,10,100)
y = np.sin(x)

# 绘制图形
plt.plot(x,y,label = 'Sin Function')
plt.title('修改刻度')

# 修改X轴和Y轴的刻度
plt.xticks(np.arange(0,11,1)) # 设置刻度和步长
plt.yticks([-1,0,1])

# 添加标签
plt.xlabel('x')
plt.ylabel('y')

plt.legend()
plt.show()

保存图片

python 复制代码

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0,10,100)
y = np.sin(x)

plt.plot(x,y,label = 'Sin Function')

# 标签
plt.title('Plot Example')
plt.xticks(np.arange(0,11,1))
plt.yticks([-1,0,1])
plt.legend()

plt.savefig('plot_example.png')
plt.show()

绘制折线图

python 复制代码

plt.figure(figsize=(10,6))

x = df.index # 获取月份作为x轴数据
y1 = df['语文']

plt.plot(x,y1,marker='o',color='r',ls='--',label='语文')

plt.title('张三成绩月变化情况')
plt.xlabel('月份')
plt.ylabel('分数')
plt.legend()
plt.grid(True) # 网格线

plt.xticks(rotation = 45) # x轴刻度标签的角度旋转为45度
plt.tight_layout()
plt.show()

多个柱状图

python 复制代码

# 绘制多个柱状图
import numpy as np
import matplotlib.pyplot as plt

# 读取 Excel 表格数据
excel_file = '张三成绩.xlsx'
df = pd.read_excel(excel_file)

# 绘制图像
plt.figure(figsize=(10,6))

months = df.index
x = range(len(months))

# 设置柱状图的宽度
bar_width = 0.25

plt.bar(x,df['语文'],width=bar_width,align='center',label='语文',color='skyblue')
plt.bar([i + bar_width for i in x],df['英语'],width=bar_width,align='center',label='数学',color='r')
plt.bar([i + 2 * bar_width for i in x],df['英语'],width=bar_width,align='center',color='b')

plt.title('成绩月变化情况')
plt.xlabel('月份')
plt.ylabel('分数')

# 设置X轴刻度标签
plt.legend()

# 显示图形
plt.tight_layout()
plt.show()

绘制散点图

python 复制代码

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)
height = np.random.normal(loc=170,scale=10, size=100)
weight = 0.6 * height + np.random.normal(loc=0,scale=5,size=100)

plt.figure(figsize=(10,6))
plt.scatter(height,weight,color='r',alpha=0.7)

plt.title('身高与体重关系散点图')
plt.xlabel('身高')
plt.ylabel('体重')

plt.grid(True)
plt.tight_layout()
plt.show()

绘制饼图

python 复制代码

import numpy as np
import matplotlib.pyplot as plt

excel_file = '张三成绩.xlsx'
df = pd.read_excel(excel_file)

plt.figure(figsize=(10,6))

plt.pie(df['语文'],startangle=90) # startangle 绘制的起始位置

plt.title('成绩情况')

plt.show()

Search

介绍

在Matplotlib的基础上进行了更高级的封装使用极简的代码做出具有分析价值且十分美观的图形而且也支持Pyhon的其他库

可以绘制折线图散点图（分类图）分类分布图分类统计图线性回归图热力图

风格设置

|-----------|-----------|
| white | 纯白 |
| whitegrid | 带有网格的纯白 |
| dark | 灰色 |
| darkgrid | 带网格灰色 |
| ticks | 白色轴上有刻度条 |

函数参数使用

函数类型	函数名称	主要参数	使用场景	示例代码
分布类	`displot()` (通用分布图)	`kind`: 指定类型(hist/kde/ecdf) `data`: 数据集 `x/y`: 变量 `hue`: 分组变量 `rug`: 显示分布密度	单变量分布分析数据分布形状探索	`sns.displot(data=tips, x="total_bill", kind="kde", hue="time")`
分布类	`histplot()` (直方图)	`bins`: 箱数 `kde`: 叠加密度线 `stat`: 统计方式(count/density) `multiple`: 分组叠放方式	数值变量分布探索统计频次分析	`sns.histplot(data=tips, x="tip", bins=20, kde=True, hue="sex")`
关系类	`scatterplot()` (散点图)	`x/y`: 变量坐标 `size`: 点大小 `style`: 点形状 `alpha`: 透明度 `palette`: 色板	双变量关系探索相关性可视化	`sns.scatterplot(data=iris, x="sepal_length", y="petal_length", hue="species", size="petal_width")`
关系类	`lineplot()` (折线图)	`sort`: 是否排序 `markers`: 显示标记 `ci`: 置信区间 `style`: 线型分组	时间趋势分析序列变化对比	`sns.lineplot(data=flights, x="year", y="passengers", hue="month", ci=None)`
分类类	`barplot()` (条形图)	`estimator`: 聚合函数(mean/sum) `ci`: 置信区间 `order`: 类目顺序 `capsize`: 误差线帽宽	分类变量聚合比较均值差异分析	`sns.barplot(data=titanic, x="class", y="fare", hue="sex", estimator=np.mean)`
分类类	`boxplot()` (箱线图)	`orient`: 方向(v/h) `notch`: 凹口 `fliersize`: 离群点大小 `width`: 宽度	数据分布对比异常值检测	`sns.boxplot(data=penguins, x="species", y="body_mass_g", hue="sex", notch=True)`
分类类	`violinplot()` (小提琴图)	`inner`: 内部图(quartiles/stick) `split`: 分组合并 `bw`: 核密度带宽	比较数据分布形状概率密度可视化	`sns.violinplot(data=penguins, x="island", y="bill_length", hue="sex", inner="stick", split=True)`
矩阵类	`heatmap()` (热力图)	`annot`: 显示数值 `fmt`: 数值格式 `cbar`: 显示色标 `linewidths`: 网格线宽 `vmin/vmax`: 值域范围	相关性分析交叉表可视化	`sns.heatmap(data=corr_matrix, annot=True, fmt=".2f", cmap="coolwarm")`
矩阵类	`clustermap()` (聚类热力图)	`row_colors`: 行标签色 `method`: 聚类方法 `metric`: 距离算法 `z_score`: 标准化	聚类分析分组可视化	`sns.clustermap(data=iris, method="ward", z_score=0, cmap="viridis")`
网格类	`FacetGrid()` (分面网格)	`col/row`: 分面维度 `col_wrap`: 换行数 `height/aspect`: 子图尺寸 `share{x/y}`: 坐标轴共享	多维度分析数据集子集探索	`g = sns.FacetGrid(tips, col="time", row="smoker")<br>g.map(sns.scatterplot, "total_bill", "tip")`
网格类	`pairplot()` (变量关系矩阵)	`diag_kind`: 对角线图类型 `plot_kws`: 子图参数 `corner`: 只显示下三角 `kind`: 关系类型(scatter/kde)	多变量关系探索数据集快速概览	`sns.pairplot(data=iris, hue="species", diag_kind="hist", corner=True)`

核心参数

参数	描述	示例值
`data`	输入数据源	DataFrame/tables/arrays
`x/y`	坐标轴变量	列名 (如："total_bill")
`hue`	分组变量	分类列名 (如："sex")
`palette`	调色板	"viridis", "mako", "Set2"
`size`	尺寸变量	连续变量列名
`alpha`	透明度	0-1值 (0.5表示半透明)
`legend`	图例	"auto"(默认)/True/False
`ax`	matplotlib轴对象	用于在已有图形上绘制

使用

折线图（使用库自带的测试数据集）

python 复制代码

import seaborn as sns
test_data = sns.load_dataset('fmri')
print(test_data.head())

sns.relplot(x="timepoint",y="signal",kind="line",data=test_data)

折线图（事件区分）

python 复制代码

import seaborn as sns
test_data = sns.load_dataset('fmri')
print(test_data.head())

sns.relplot(x="timepoint",y="signal",kind="line",hue="event",data=test_data)

分图展示

python 复制代码

import seaborn as sns
test_data = sns.load_dataset('fmri')
print(test_data.head())

sns.relplot(x="timepoint",y="signal",kind="line",hue="event",col="event",data=test_data)

散点图（分类图）

python 复制代码

titanic = sns.load_dataset('titanic')
sns.relplot(x="age",y="fare",data=titanic)

python 复制代码

sns.catplot(x="pclass",y="fare",data=titanic) # 用作做分类

箱形图

python 复制代码

sns.boxplot(x="pclass",y="fare",data=titanic)

条形图

python 复制代码

sns.barplot(x="pclass",y="fare",data=titanic) # 条形图

计数图

python 复制代码

sns.countplot(x="pclass",data=titanic)
sns.set_style("whitegrid") # 绘图风格设置

调色板

python 复制代码

# 调色板
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用于正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用于正常显示负号
plt.figure(figsize=(10,10))
planets = sns.load_dataset('planets')
sns.barplot(x="year",y="number",data=planets,palette="rainbow")

线性关系图

python 复制代码

sns.regplot(x="age",y="fare",data=titanic)

热力图

python 复制代码

# 热力图
flights = sns.load_dataset('flights')

# 将长格式转换为宽格式数据，以便于绘制热力图
f = flights.pivot(index="month",columns="year",values="passengers")

# 绘制热力图
plt.figure(figsize=(10,10))
sns.heatmap(f,annot=True,fmt='d',cmap='YlGnBu')
plt.title("Flights Passenger Count By Year ans Month")
plt.xlabel("Year")
plt.ylabel("Month")
plt.show()