python繪圖中的?四個繪圖技巧
更新時間：2021年12月14日 14:17:13 作者：春江暮客
在可視化數據時，通常需要在單個圖形中繪制多個圖形。?例如，如果您想從不同的角度可視化相同的變量如：數字變量的并排直方圖和箱線圖，則多個圖形很有用。?在這篇文章中，我分享了繪制多個圖形的?4?個簡單但實用的技巧，具有一定的參考價值，需要的小伙伴可以參考一下
數據集：
讓我們導入包并更新圖表的默認設置，為圖表添加一點個人風格。 我們將在提示上使用 Seaborn 的內置數據集：
import seaborn as sns # v0.11.2
import matplotlib.pyplot as plt # v3.4.2
sns.set(style='darkgrid', context='talk', palette='rainbow')df = sns.load\_dataset('tips')
df.head()
技巧1: plt.subplots()
繪制多個子圖的一種簡單方法是使用 plt.subplots() 。
這是繪制 2 個并排子圖的示例語法：
fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(10,4)) sns.histplot(data=df, x='tip', ax=ax[0]) sns.boxplot(data=df, x='tip', ax=ax[1]);
在這里，我們在一個圖中繪制了兩個子圖。 我們可以進一步自定義每個子圖。
?例如，我們可以像這樣為每個子圖添加標題：
fig, ax = plt.subplots(1, 2, figsize=(10,4))
sns.histplot(data=df, x='tip', ax=ax[0])
ax[0].set\_title("Histogram")
sns.boxplot(data=df, x='tip', ax=ax[1])
ax[1].set\_title("Boxplot");
在循環(huán)中將所有數值變量用同一組圖表示：
numerical = df.select\_dtypes('number').columnsfor col in numerical:
fig, ax = plt.subplots(1, 2, figsize=(10,4))
sns.histplot(data=df, x=col, ax=ax[0])
sns.boxplot(data=df, x=col, ax=ax[1]);
技巧2: plt.subplot()
另一種可視化多個圖形的方法是使用 plt.subplot()，末尾沒有 s
?語法與之前略有不同：
plt.figure(figsize=(10,4)) ax1 = plt.subplot(1,2,1) sns.histplot(data=df, x='tip', ax=ax1) ax2 = plt.subplot(1,2,2) sns.boxplot(data=df, x='tip', ax=ax2);
當我們想為多個圖繪制相同類型的圖形并在單個圖中查看所有圖形，該方法特別有用：
plt.figure(figsize=(14,4)) for i, col in enumerate(numerical): ax = plt.subplot(1, len(numerical), i+1) sns.boxplot(data=df, x=col, ax=ax)
我們同樣能定制子圖形。例如加個title
plt.figure(figsize=(14,4))
for i, col in enumerate(numerical):
ax = plt.subplot(1, len(numerical), i+1)
sns.boxplot(data=df, x=col, ax=ax)
ax.set\_title(f"Boxplot of {col}")
通過下面的比較，我們能更好的理解它們的相似處與不同處熟悉這兩種方法很有用，因為它們可以在不同情況下派上用場。
技巧3: plt.tight_layout()
在繪制多個圖形時，經常會看到一些子圖的標簽在它們的相鄰子圖上重疊，
如下所示：
categorical = df.select\_dtypes('category').columnsplt.figure(figsize=(8, 8))
for i, col in enumerate(categorical):
ax = plt.subplot(2, 2, i+1)
sns.countplot(data=df, x=col, ax=ax)
頂部兩個圖表的 x 軸上的變量名稱被剪掉，右側圖的 y 軸標簽與左側子圖重疊.使用plt.tight_layout很方便
plt.figure(figsize=(8, 8)) for i, col in enumerate(categorical): ax = plt.subplot(2, 2, i+1) sns.countplot(data=df, x=col, ax=ax) plt.tight\_layout()
專業(yè) 看起來更好了。
技巧4: plt.suptitle()
真?zhèn)€圖形添加標題：
plt.figure(figsize=(8, 8))
for i, col in enumerate(categorical):
ax = plt.subplot(2, 2, i+1)
sns.countplot(data=df, x=col, ax=ax)
plt.suptitle('Category counts for all categorical variables')
plt.tight\_layout()
此外，您可以根據自己的喜好自定義各個圖。 例如，您仍然可以為每個子圖添加標題。
到此這篇關于python繪圖 四個繪圖技巧的文章就介紹到這了,更多相關python 繪圖技巧內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
在本篇文章里小編給大家整理的是關于Python匿名函數知識點總結，需要的朋友們可以學習參考下。2020-06-06
這篇文章主要介紹了用Python的線程來解決生產者消費問題的示例,包括對使用線程中容易出現(xiàn)的一些問題給出了相關解答,需要的朋友可以參考下2015-04-04
今天小編就為大家分享一篇python list格式數據excel導出方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10
這篇文章主要介紹了python實現(xiàn)excel公式格式化的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-12-12
這篇文章主要介紹了教你怎樣用python編寫腳本實現(xiàn)自動簽到，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-08-08
Pycharm配置導入torch報錯Traceback的問題及解決
這篇文章主要介紹了Pycharm配置導入torch報錯Traceback的問題及解決方案,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-12-12
Python 基于win32com客戶端實現(xiàn)Excel操作的詳細過程
這篇文章主要介紹了Python 基于win32com客戶端實現(xiàn)Excel操作的詳細過程,本文通過示例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2023-05-05
本文主要介紹了Python手寫回歸樹的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2022-06-06
這篇文章主要為大家詳細介紹了python3將視頻流保存為本地視頻文件，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-06-06
在學習python過程中常遇到一種情況,要讀取.csv文件的數據,然后取出其中某個字段,下面這篇文章主要給大家介紹了關于Python如何提取csv數據并篩選指定條件數據的相關資料,需要的朋友可以參考下2022-08-08