软件应用丨Seaborn简单画图：（二）

版权声明：本文为CSDN博主「向前走别回头」的原创文章合辑，遵循 CC 4.0 BY-SA 版权协议，特此附上原文出处链接及本声明。

原文链接：

https://blog.csdn.net/weixin_39778570/article/details/81146473

https://blog.csdn.net/weixin_39778570/article/details/81147023

https://blog.csdn.net/weixin_39778570/article/details/81147415

柱状图和热力图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series, DataFrame
%matplotlib inline
import seaborn as sns

左右滑动查看更多

数据在这里复制,sns.load_dataset(‘flights’)

https://github.com/mwaskom/seaborn-data/blob/master/flights.csv

df = pd.read_clipboard()
df.head()
    year    month   passengers
0   1949    January 112
1   1949    February    118
2   1949    March   132
3   1949    April   129
4   1949    May 121
df.shape
(144, 3)
# 用透视表转换
df = df.pivot(index='month', columns='year',values='passengers')
df

year    1949    1950    1951    1952    1953    1954    1955    1956    1957    1958    1959    1960
month                                               
April   129 135 163 181 235 227 269 313 348 348 396 461
August  148 170 199 242 272 293 347 405 467 505 559 606
December    118 140 166 194 201 229 278 306 336 337 405 432
February    118 126 150 180 196 188 233 277 301 318 342 391
January 112 115 145 171 196 204 242 284 315 340 360 417
July    148 170 199 230 264 302 364 413 465 491 548 622
June    135 149 178 218 243 264 315 374 422 435 472 535
March   132 141 178 193 236 235 267 317 356 362 406 419
May 121 125 172 183 229 234 270 318 355 363 420 472
November    104 114 146 172 180 203 237 271 305 310 362 390
October 119 133 162 191 211 229 274 306 347 359 407 461
September   136 158 184 209 237 259 312 355 404 404 463 508

# 热力图
sns.heatmap(df)
<matplotlib.axes._subplots.AxesSubplot at 0x2214cab7e10>

左右滑动查看更多

# 按列的折现图
df.plot()

左右滑动查看更多

# annot描述
sns.heatmap(df, annot=True)

左右滑动查看更多

# fmt设置显示格式
sns.heatmap(df, annot=True, fmt='d')

左右滑动查看更多

s = df.sum()
s
year
1949    1520
1950    1676
1951    2042
1952    2364
1953    2700
1954    2867
1955    3408
1956    3939
1957    4421
1958    4572
1959    5140
1960    5714
dtype: int64

左右滑动查看更多

# 柱状图
sns.barplot(x=s.index, y=s.values)

左右滑动查看更多

s.plot(kind='bar')

左右滑动查看更多

设置图形显示效果

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

左右滑动查看更多

x = np.linspace(0,14,100)
y1 = np.sin(x)
y2 = np.sin(x+2)*1.25
def sinplot():
    plt.plot(x,y1)
    plt.plot(x,y2)
sinplot()

左右滑动查看更多

axex_style and set_style

import seaborn as sns
sns.set()
sinplot()

左右滑动查看更多

style = ['white', 'dark', 'whitegrid', 'darkgrid', 'ticks']
sns.set_style(style[0])
sinplot()

左右滑动查看更多

sns.set_style(style[1])
sinplot()

左右滑动查看更多

# 可以通过字典设置风格
sns.axes_style()
{'axes.axisbelow': True,
 'axes.edgecolor': '.15',
 'axes.facecolor': 'white',
 'axes.grid': False,
 'axes.labelcolor': '.15',
 'axes.linewidth': 1.25,
 'figure.facecolor': 'white',
 'font.family': ['sans-serif'],
 'font.sans-serif': ['Arial',
  'DejaVu Sans',
  'Liberation Sans',
  'Bitstream Vera Sans',
  'sans-serif'],
 'grid.color': '.8',
 'grid.linestyle': '-',
 'image.cmap': 'rocket',
 'legend.frameon': False,
 'legend.numpoints': 1,
 'legend.scatterpoints': 1,
 'lines.solid_capstyle': 'round',
 'text.color': '.15',
 'xtick.color': '.15',
 'xtick.direction': 'out',
 'xtick.major.size': 6.0,
 'xtick.minor.size': 3.0,
 'ytick.color': '.15',
 'ytick.direction': 'out',
 'ytick.major.size': 6.0,
 'ytick.minor.size': 3.0}

左右滑动查看更多

# 设为网格线颜色
sns.set_style(style[3], {'grid.color':'red'})

左右滑动查看更多

# 清空设置
sns.set()

左右滑动查看更多

plotting_context() and set_context()

# 设置图形比例
context = ['paper', 'notebook','talk', 'poster']
sns.set_context(context[3])
sinplot()

左右滑动查看更多

sns.plotting_context()

{'axes.labelsize': 17.6,
 'axes.titlesize': 19.200000000000003,
 'font.size': 19.200000000000003,
 'grid.linewidth': 1.6,
 'legend.fontsize': 16.0,
 'lines.linewidth': 2.8000000000000003,
 'lines.markeredgewidth': 0.0,
 'lines.markersize': 11.200000000000001,
 'patch.linewidth': 0.48,
 'xtick.labelsize': 16.0,
 'xtick.major.pad': 11.200000000000001,
 'xtick.major.width': 1.6,
 'xtick.minor.width': 0.8,
 'ytick.labelsize': 16.0,
 'ytick.major.pad': 11.200000000000001,
 'ytick.major.width': 1.6,
 'ytick.minor.width': 0.8}

左右滑动查看更多

# 设置网格线宽度
sns.set_context(context[1], rc={'grid.linewidth':3.0})
sinplot()

左右滑动查看更多

Seaborn调色功能

官方参考文档:

http://seaborn.pydata.org/tutorial/color_palettes.html

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

左右滑动查看更多

# 绘图，figsize设置大小
def sinplot():
    x = np.linspace(0,14,100)
    plt.figure(figsize=(8,6))
    for i in range(4):
        plt.plot(x,np.sin(x+i)*(i+0.75), label='sin(x+%s)*(%s+0.75)' % (i,i))
    plt.legend()
sinplot()

左右滑动查看更多

# 导入seaborn
import seaborn as sns
sns.set()
sinplot()

左右滑动查看更多

# 当前画板
sns.color_palette() #RGB列表元组
[(0.29803921568627451, 0.44705882352941179, 0.69019607843137254),
 (0.33333333333333331, 0.6588235294117647, 0.40784313725490196),
 (0.7686274509803922, 0.30588235294117649, 0.32156862745098042),
 (0.50588235294117645, 0.44705882352941179, 0.69803921568627447),
 (0.80000000000000004, 0.72549019607843135, 0.45490196078431372),
 (0.39215686274509803, 0.70980392156862748, 0.80392156862745101)]
 # 显示画板
 sns.palplot(sns.color_palette())

左右滑动查看更多

# 自带风格
pal_style = ['deep', 'muted', 'pastel', 'bright', 'dark','colorblind']
sns.palplot(sns.color_palette('dark'))

左右滑动查看更多

# 设置画板
sns.set_palette(sns.color_palette('dark'))
sinplot()

左右滑动查看更多

# 清空画板
sns.set()
sinplot()

左右滑动查看更多

# 局部使用画板with语句，外部还是系统画板
with sns.color_palette('dark'):
    sinplot()

左右滑动查看更多

# 外部没变
sinplot()

左右滑动查看更多

# 自定义画板
pall = sns.color_palette([(0.1,0.2,0.3),(0.9,0.3,0.6),(0.3,0.3,0.3)])
sns.palplot(pall)

左右滑动查看更多

# 自动生成画板
sc = sns.color_palette('hls', 10)
sns.palplot(sc)
sns.set_palette(sc)
sinplot()

左右滑动查看更多

·END·

点击阅读原文，进入新型农业经营主体大数据库

点击搜索你感兴趣的内容吧

往期推荐

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

出处：CSDN作者：向前走别回头推荐：青酱排版编辑：青酱 


    欢迎扫描👇二维码添加关注    

点击阅读原文，获得更多精彩内容！