Matplotlib (一)

Matplotlib

　　用于

　　创建出版质量图标的绘图工具库

　　目的是为python构建一个 Matlab 式的绘图接口

import matplotlib.pyplot as plt

　　　　pyplot 模块包含了常用的 matplotlib API 函数

 

　　figure

　　　　Matplotlib 的图像均位于 figure 对象中

　　　　创建 figure

plt.figure()

 

　　Subplot

fig.add_subplot(a,b,c)

　　　　　　a,b 表示将fig 分割成axb的区域

　　　　　　c 表示当前选中要操作的区域

　　　　　　　　注意：从1开始编号

　　　　　　返回的是 AxesSubplot 对象

　　　　　　plot 绘图的区域是最后一次指定 subplot 的位置（ jupyter 里不能正确显示）

 

　　　　在指定 subplot 里结合 scipy 绘图统计图

　　　　　　正态分布 sp.stats.norm.pdf

　　　　　　正态直方图 sp.stats.norm.rvs

 

　　　　直方图 hist

　　　　散点图 scatter

　　　　柱状图 bar

　　　　矩阵绘图 plt.imshow

　　　　　　混淆矩阵，三个维度的关系

 

plt.subplots()

　　　　　　同时返回新创建的 figure he subplot 对象数组

fig,subplot_arr = plt.subplot(2,2)

　　　　　　在 jupyter 里可以正常显示，推荐使用这种方式创建多个图表

 

　　　　颜色，标记，线型

ax.plot(x,y,'r--')

　　等价于

ax.plot(x,y,linestyle = '--',color = 'r')

　　　　刻度，标签，图例

　　　　　　设置刻度范围

plt.xlim(),plt.ylim()
ax.ser_xlim(),ax.ser_ylim()

　　　　　　设置显示的刻度

plt.xticks(),plt.yticks()
ax.set_xticks(),ax.set_yticks()

　　　　　　设置刻度标签

ax.set_xticklabels(),ax.set_yticklabels()

　　　　　　设置坐标轴标签

ax.set_xlabel(),ax.set_ylabel()

　　　　　　设置标题

ax.set_title()

　　　　　　图例

ax.plot(label = 'legend')
ax.legend(),plt.legend()
loc = 'best' 

　　　　　　　　自动选择放置图例最佳位置

　　　　matplotliib 设置

plt.rc()

Seaborn

　　python 中的一个制图工具库，可以制作出吸引人的，信息量大的统计图

　　在 Matplotlib 上构建，支持numpy 和 pandas 的数据结构可视化，甚至是 scipy 和 statsmodels 的统计模型可视化

 

　　特点

　　　　多个内置主题及颜色主题

　　　　可视化单一变量，二维变量用于比较数据集中个变量的分布情况

　　　　可视化线性回归模型中的独立变量及不独立变量

 

　　数据集分布可视化

　　　　单变量分布 sns.distplot()

　　　　　　直方图 sns.distplot(kde = False)

　　　　　　核密度估计 sns.distplot(hist = False) 或 sns.kdeplot()

　　　　　　拟合参数分布 sns.distplot(kde = False,fit = )

　　　　双变量分布

　　　　　　散布图 sns.jointplot()

　　　　　　二维直方图 Hexbin sns.jointplot(kind = 'hex')

　　　　　　核密度估计 sns.jointplot(kind = 'kde')

　　　　数据集中变量间关系可视化 sns.pairplot()

 

　　类别数据可视化

　　　　类别散布图

　　　　　　sns.stripplot() 数据点重叠

　　　　　　sns.swarmplot() 数据点避免重叠

　　　　类别内数据分布

　　　　　　盒子图 sns.boxplot(),hue 指定子类别

　　　　　　小提琴图 sns.violiplot() hue 指定子类别

　　　　类别内统计图

　　　　　　柱状图 sns.barplot()

　　　　　　点图 sns.pointplot()