科研论文配图学习

科研论文配图学习

第3章 单变量图形的绘制

基于不同数据变量绘制的单变量图类型

单变量图形绘制

1.直方图

• 直方图绘制
• 带统计信息的直方图绘制

Matplotlib库绘制

使用库：Matplotlib/ProPlot/SciencePlots

# 绘制直方图
Matplotlib.axes.Axes.hist()

语法: Axes.hist(self，x，bins = None，range=None，density=None，weights=None，累计=False，bottom=None，histtype='bar '，align='mid '，orientation='vertical '，rwidth=None，log=False，color=None，label=None，stacked=False，normed=None，*，data=None，**kwargs)

参数:该方法接受以下描述的参数:

• x : 这个参数是数据的顺序。
• **bin:**该参数为可选参数，包含整数或序列或字符串。
• **范围:**该参数是可选参数，它是箱的下限和上限。
• **密度:**该参数为可选参数，包含布尔值。
• **权重:**该参数是可选参数，是权重数组，形状与 x 相同。
• **底部:**该参数是每个料仓底部基线的位置。
• histtype : 该参数为可选参数，用于绘制直方图的类型。{ ‘条形’，‘条形堆叠’，‘阶梯’，‘阶梯填充’ }
• **对齐:**此参数是可选参数，它控制直方图的绘制方式。{ ‘左’，‘中’，‘右’ }
• rwidth : 此参数是可选参数，它是条的相对宽度，是料箱宽度的一部分
• log : 此参数为可选参数，用于将直方图轴设置为对数刻度
• **颜色:**此参数是可选参数，它是一个颜色规格或颜色规格序列，每个数据集一个。
• **标签:**该参数为可选参数，为字符串，或字符串序列，用于匹配多个数据集。
• **赋范:**该参数为可选参数，包含布尔值。而是使用密度关键字参数。

返回:这将返回以下内容:

• n : 返回直方图仓的值。
• **面元:**这将返回面元的边缘。
• **面片:**返回用于创建直方图的单个面片列表。

Seaborn库绘制

我们还可以使用Seaborn库中histplot()函数绘制。

语法：
histplot(data,x,y,hue,weights,stat,bins,binwidth,binrange,shrink,cumulative,kde,palette,color,legend,element,fill,log_scale,multiple)

参数：

• data：要绘制的数据,为DataFrame、数组、序列等类型，可缺省；
• x：上述data中的列索引或者直接给定横坐标的取值，同时指定了绘制横向直方图；
• y：上述data中的列索引或者直接给定纵坐标的取值，同时指定了绘制纵向直方图；
• hue：分组变量,生成具有不同颜色的行，可以为分类或者数字,往往取值为data中的列索引；
• wieghts：权重,如若给出权重，则在统计数据时将考虑权重的影响；
• stat：默认为’count’即显示数量，设置为’frequency’则显示频率，设置为’density’则显示密度即使直方图面积为1，设置为’probability’则使柱子高度为1；
• bins：划分区间的数量即柱子的数量；
• binwidth：柱子的宽度；
• binrange：柱子边缘的最小和最大值；
• shrink：各柱子之间的间隔,默认为1即无间隔,如果给定值小于1，则柱子之间有间隔，且取值越小，间隔越大，如果给定值大于1，则各柱子之间会有一定程度重叠；
• cumulative：设置为True则显示累积直方图；
• kde：设置为True则同时绘制密度曲线，默认为False即不显示密度线;
• palette：颜色面板；
• color：直方图颜色；
• legend：图例,设置为False则不显示图例；
• element：直方图形状，可取值为’bars’，‘step’，'poly’分别代表柱形、阶梯形、峰形；
• fill：是否填充直方图，默认True即填充，设置为False则不填充；
• log_scale：是否用对数坐标，默认为False，设置为True则利用对数坐标;
• multiple：多个变量的显示方式，可取值为’layer’, ‘dodge’，‘stack’，'fill’分别代表多图层、多列、堆叠、各组共同填充直方图。
• e：多个变量的显示方式，可取值为’layer’, ‘dodge’，‘stack’，'fill’分别代表多图层、多列、堆叠、各组共同填充直方图。

参考文献：《科研论文配图绘制指南：基于Python》