Python科研绘图--Task03_python绘制科研图-CSDN博客

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
x = np.random.randn(100)
y = x * np.random.randn(100)

# 创建散点图
plt.scatter(x, y, c='blue', alpha=0.5, edgecolors='none', s=50)

# 添加网格
plt.grid(True, linestyle='--', alpha=0.5)

# 添加标题和坐标轴标签
plt.title('精致的散点图')
plt.xlabel('X轴')
plt.ylabel('Y轴')

plt.show()

数据分布型图

在对数据进行分析或建模之前，我们需要先了解数据的分布情况，以及数据的覆盖范围、中心趋势、异常值等基本情况。

rugplot例子

import seaborn as sns
import matplotlib.pyplot as plt

# 示例数据
data = sns.load_dataset('tips')['total_bill']

# 创建rugplot
sns.rugplot(data, height=0.5, color='blue')

plt.title('Rugplot 示例')
plt.xlabel('Total Bill')
plt.show()

分类数据型图

回归模型分析型图

我们可以使用回归模型分析型图表示数据集中变量间的关系，使用统计模型来估计两组变量间的关系。

多子图网格型图

相比 Matplotlib ， Seaborn 提供了多个子图网格绘图函数，它们可快速实现分面图的展示。在面对按数据子集绘图、分行或分列显示子图和不同类型图组合等绘图要求时，多子图网格绘制功能不但可以一次性可视化展示数据集中各变量的变化情况，而且可以减少绘制复杂图的时间。

FacetGrid() 函数

FacetGrid() 函数可以实现行、列、色调 3 个维度的数值映射，其中，行、列维度与所得的轴阵列有明显的对应关系，色调变量可被视为沿深度轴的第三维，用不同的颜色绘制不同级别的数据。

import Seaborn as sns
import matplotlib.pyplot as plt
g = sns.FacetGrid(df, col ='time', hue ='smoker') 
g.map(sns.regplot, "total_bill", "tip") 
g.add_legend()

PairGrid() 函数

PairGrid() 函数中，每个行和列都会被分配一个不同的变量，这就导致绘制结果为显示数据集中

成对变量间关系的图。这种图也被称为“散点图矩阵”。

import Seaborn as sns
import matplotlib.pyplot as plt
penguins = sns.load_dataset("penguins")
x_vars = ["body_mass_g", "bill_length_mm", "bill_depth_mm",]
y_vars = ["body_mass_g"]
g = sns.PairGrid(penguins, hue="species", x_vars=x_vars, y_vars=y_vars)
g.map_diag(sns.histplot, color=".3")
g.map_offdiag(sns.scatterplot)
g.add_legend()

绘图风格、颜色主题和绘图元素缩放比例

Seaborn 通过下列函数设置颜色主题、绘图风格和绘图元素缩放比例。

sns.set_style("style_name") #设置绘图风格
sns.set_palette("palette_name") #设置颜色主题
sns.set_context("context_name") #设置绘图元素缩放比例

提示：Seaborn 提供的 set_theme() 函数包含了上述 3 个函数的所有功能，即通过设置 set_theme() 函数中的参数 palette、style 和 context，就可分别控制颜色主题、绘图风格和绘图元素缩放比例。

绘图风格

使用 Seaborn 的 set_style() 函数并设置其参数 style ，即可设定图的绘制风格。参数 style 的可选值包括 darkgrid 、 whitegrid 、 dark 、 white 和 ticks ，参数 rc 则用于覆盖预设 Seaborn 样式字典中的值的参数映射，只更新样式中的一部分参数。