python数据可视化

内容主要介绍了python模块matplotlib即seaborn数据可视化

matplotlib模块通过import matplotlib.pyplot as plt生成图形，如生成图形没展示，可调用plt.show()方法展示图形；

对于颜色属性设置，既可以使用十六进制颜色表达(#7777aa')，也可以使用颜色名称，比如绿色：green,红色:red，黄色:yellow

图形中如果涉及中文及数字中的负号，需要设置rcParams属性

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  # 如果有中文设置字体格式为微软雅黑
plt.rcParams['axes.unicode_minus'] = False   # 坐标轴如果有负数，通过该参数设置

一、饼图

主要应用于离散变量，展示各个成分结构占比

1. matplotlib绘制

matplotlib绘制饼图默认如果是椭圆形，如展示位正圆形，可通过pyplot模块中的axes设置为正圆形：plt.axes(aspect='equal)

pie(x, explode=None, labels=None, colors=None,
   autopct=None, pctdistance=0.6, shadow=False,
   labeldistance=1.1, startangle=None,
   radius=None, counterclock=True, wedgeprops=None,
   textprops=None, center=(0, 0), frame=False)

参数说明：

• x：指定绘图的数据
• explode：指定饼图某些部分的突出显示，即呈现爆炸式
• labels：为饼图添加标签说明，类似于图例说明
• colors：指定饼图的填充色,以可迭代对象传入，比如两种类型：colors=['#999ff','#7777aa']
• autopct：自动添加百分比显示，可以采用格式化的方法显示，比如保留一位小数：autopct='%.1f%%'
• pctdistance：设置百分比标签与圆心的距离
• shadow：是否添加饼图的阴影效果
• labeldistance：设置各扇形标签（图例）与圆心的距离
• startangle：设置饼图的初始摆放角度
• radius：设置饼图的半径大小
• counterclock：是否让饼图按逆时针顺序呈现
• wedgeprops：设置饼图内外边界的属性，如边界线的粗细、颜色等
• textprops：设置饼图中文本的属性，如字体大小、颜色等
• center：指定饼图的中心点位置，默认为原点
• frame：是否要显示饼图背后的图框，如果设置为True的话，需要同时控制图框x轴、y轴的范围和饼图的中心位置

样例：

import matplotlib.pyplot as plt

plt.title('渠道销售占比')
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  # 如果有中文设置字体格式为微软雅黑
plt.pie(x=[10,20,30],labels=['渠道一','渠道二','渠道三'],colors=['green','red','yellow'],autopct='%.1f%%')

绘制图如下：

2. pandas绘制

pandas模块可以绘制常见图形，诸如：折线图、条形图、直方图、箱线图、核密度图等；
可以通过kind参数设置图形类型，比如饼图(pie)：kind='pie'

Series.plot(kind='line', ax=None, figsize=None, use_index=True, title=None,
         grid=None, legend=False, style=None, logx=False, logy=False,
         loglog=False, xticks=None, yticks=None, xlim=None, ylim=None,
         rot=None, fontsize=None, colormap=None, table=False, yerr=None,
         xerr=None, label=None, secondary_y=False, **kwds)

参数说明：

• kind：指定一个字符串值，用于绘制图形的类型，默认为折线图line。还可以绘制垂直条形图bar、水平条形图hbar、直方图hist、箱线图box、核密度图kde、面积图area和饼图pie

• ax：控制当前子图在组图中的位置例如，在一个2×2的图形矩阵中，通过该参数控制当前图形在矩阵中的位置

• figsize：控制图形的宽度和高度，以元组形式传递，即(width,hright)

• use_index：bool类型的参数，是否将序列的行索引用作x轴的刻度，默认为True

• title：用以添加图形的标题

• grid：bool类型的参数，是否给图形添加网格线，默认为False

• legend：bool类型的参数，是否添加子图的图例，默认为False

• style：如果kind为line，该参数可以控制折线图的线条类型

• logx：bool类型的参数，是否对x轴做对数变换，默认为False

• logy：bool类型的参数，是否对y轴做对数变换，默认为False

• loglog：bool类型的参数，是否同时对x轴和y轴做对数变换，默认为False

• xticks：用于设置x轴的刻度值

• yticks：用于设置y轴的刻度值

• xlim：以元组或列表的形式，设置x轴的取值范围，如(0,3)表示x轴落在0～3的范围之内

• ylim：以元组或列表的形式，设置y轴的取值范围

• rot：接受一个整数值，用于旋转刻度值的角度

• fontsize：接受一个整数，用于控制x轴与y轴刻度值的字体大小

• colormap：接受一个表示颜色含义的字符串，或者Python的色彩映射对象，该参数用于设置图形的区域颜色

• table：该参数如果为True，表示在绘制图形的基础上再添加数据表；如果传递的是序列或数据框，则根据数据添加数据表

• yerr：如果kind为bar或hbar，该参数表示在条形图的基础上添加误差棒

• xerr：含义同yerr参数

• label：用于添加图形的标签

• secondary_y：bool类型的参数，是否添加第二个y轴，默认为False

• **kwds：关键字参数，该参数可以根据不同的kind值，为图形添加更多的修饰性参数（依赖于pyplot中的绘图函数）

样例：

df = pd.DataFrame([['渠道一',10],['渠道二',20],['渠道三',30]],columns=['渠道','销售额'])
df['销售额'].plot(kind='pie',labels=df['渠道'],title='各渠道销售占比',autopct='%.1f%%')

二、条形图

同饼图一样，适用于分类型数据

1. matplotlib绘制

1.1 竖向条形图

bar(left, height, width=0.8, bottom=None, color=None, edgecolor=None,
    linewidth=None, tick_label=None, xerr=None, yerr=None,
    label = None, ecolor=None, align, log=False, **kwargs)

其中barh表示横向条形图

参数说明：

• x：传递数值序列，指定条形图中x轴上的刻度值
• height：传递数值序列，指定条形图y轴上的高度
• width：指定条形图的宽度，默认为0.8
• bottom：用于绘制堆叠条形图
• color：指定条形图的填充色
• edgecolor：指定条形图的边框色
• linewidth：指定条形图边框的宽度，如果指定为0，表示不绘制边框
• tick_label：指定条形图的刻度标签
• xerr：如果参数不为None，表示在条形图的基础上添加误差棒
• yerr：参数含义同xerr
• label：指定条形图的标签，一般用以添加图例
• ecolor：指定条形图误差棒的颜色
• align：指定x轴刻度标签的对齐方式，默认为center，表示刻度标签居中对齐，如果设置为edge，则表示在每个条形的左下角呈现刻度标签
• log：bool类型参数，是否对坐标轴进行log变换，默认为False
• **kwargs：关键字参数，用于对条形图进行其他设置，如透明度等

样例：

df = pd.DataFrame([['渠道一',10],['渠道二',20],['渠道三',30]],columns=['渠道','销售额'])
plt.ylabel('销售额')
plt.style.use('seaborn-paper')   # 绘图风格，具体style值，可通过plt.style.available属性查看，有的值可能用不了
plt.title('各渠道销售情况')
plt.bar(x=range(df.shape[0]),height=df['销售额'],tick_label=df['渠道'])
for x,y in enumerate(df['销售额']):    
    plt.text(x,y+0.2,str(y),ha='center')   # 添加y轴标签

1.2 横向条形图：

df = pd.DataFrame([['渠道一',10],['渠道二',20],['渠道三',30]],columns=['渠道','销售额'])
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.ylabel('销售额')
plt.style.use('seaborn-paper')   # 绘图风格，具体style值，可通过plt.style.available属性查看
plt.title('各渠道销售情况')
plt.barh(y=range(df.shape[0]),width=df['销售额'],tick_label=df['渠道'])
for x,y in enumerate(df['销售额']):    
    plt.text(y+1,x,str(y),ha='center')   # 添加y轴标签
plt.show()

1.3 堆积条形图

相较以上单维度条形图，还可以在同一条形里绘制不同维度对比，同一柱子不同类别设置不同bottom参数即可

df = pd.DataFrame([['深圳',10,20],['北京',35,30],['广州',30,40]],columns=['地区','A部门销售额','B部门销售额'])
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 绘制A部门销售
plt.bar(x=range(df.shape[0]),tick_label=df['地区'],height=df['A部门销售额'],color='green')
# 绘制B部门销售
plt.bar(x=range(df.shape[0]),tick_label=df['地区'],height=df['B部门销售额'],color='red',bottom=df['A部门销售额'])

# 如果有第三个部门，bottom=df['A部门销售额'] + df['C部门销售额']
# 显示y轴标签
plt.ylabel('销售额')
# 添加图图形标题
plt.title('各地区销售情况')
# 显示图例
plt.legend(['A部门销售额','B部门销售额'])
plt.show()

1.4 水平交错条形图

这块在绘制其他图形时，只需要将x轴的位置往右平移width宽度就好
样例：

df = pd.DataFrame([['深圳',10,20],['北京',35,30],['广州',30,40]],columns=['地区','A部门销售额','B部门销售额'])
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 绘制A部门销售
plt.bar(x=range(df.shape[0]),tick_label=df['地区'],height=df['A部门销售额'],color='green',width=0.2)
# 绘制B部门销售
plt.bar(x=[x+0.2 for x in range(df.shape[0])],tick_label=df['地区'],height=df['B部门销售额'],color='red',width=0.2)
plt.ylabel('销售额')
# 添加图图形标题
plt.title('各地区销售情况')
# 显示图例
plt.legend(['A部门销售额','B部门销售额'])
# 添加x轴标签，width=0.2，这里设置+0.1两根柱子居中
plt.xticks([x+0.1 for x in range(df.shape[0])],df['地区'])
plt.show()

效果如下：

如果添加刻度标签，通过plt.text参数设置即可，同上；

2. pandas绘制

2.1 竖形条形图

样例：

df = pd.DataFrame([['渠道一',10],['渠道二',20],['渠道三',30]],columns=['渠道','销售额'])
df['销售额'].plot(kind='bar',width=0.2,title='销售额',color='green')
plt.ylabel('销售额')
plt.title('各渠道销售情况')
plt.xticks(range(df.shape[0]),df['渠道'])
for x,y in enumerate(df['销售额']):    
    plt.text(x,y+0.4,str(y),ha='center')   # 添加y轴标签

2.2 水平交叉条形图

df = pd.DataFrame([['深圳',10,20],['北京',35,30],['广州',30,40]],columns=['地区','A部门销售额','B部门销售额'])
df.plot(x='地区',
        y=['A部门销售额','B部门销售额'],
        kind='bar',
        color=['green','red'],
        width=0.4,
        title='各地区销售额')
plt.ylabel('销售额')
plt.xlabel('')
plt.show()

3. seaborn绘制

import seaborn as sns

sns.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
          ci=95, n_boot=1000, orient=None, color=None, palette=None,
          saturation=0.75, errcolor='.26', errwidth=None, dodge=True, ax=None, **kwargs)

参数说明

• x：指定条形图的x轴数据
• y：指定条形图的y轴数据
• hue：指定用于分组的另一个离散变量
• data：指定用于绘图的数据集
• order：传递一个字符串列表，用于分类变量的排序
• hur_order：传递一个字符串列表，用于分类变量hue值的排序
• ci：用于绘制条形图的误差棒（置信区间）
• n_boot：当指定ci参数时，可以通过n_boot参数控制自助抽样的迭代次数
• orient：指定水平或垂直条形图
• color：指定所有条形图所属的一种填充色
• palette：指定hue变量中各水平的颜色
• saturation：指定颜色的透明度
• errcolor：指定误差棒的颜色
• errwidth：指定误差棒的线宽
• capsize：指定误差棒两端线条的长度
• dodge：bool类型参数，当使用hue参数时，是否绘制水平交错条形图，默认为True
• ax：用于控制子图的位置
• **kwagrs：关键字参数，可以调用plt.bar函数中的其他参数

样例：

df = pd.DataFrame([['渠道一',10],['渠道二',20],['渠道三',30]],columns=['渠道','销售额'])
sns.barplot(y='渠道',x='销售额',data=df,color='steelblue',orient='horizontal')
plt.xlabel('销售额')
plt.ylabel('')
plt.title('各渠道销售')
for y,x in enumerate(df['销售额']):
    plt.text(x,y,str(x),va='center')
plt.show()

三、直方图

主要应用于连续型变量，查看变量分布情况

1. matplotlib绘制

plt.hist(x, bins=10, range=None, normed=False,
       weights=None, cumulative=False, bottom=None,
       histtype='bar', align='mid', orientation='vertical',
       rwidth=None, log=False, color=None,
       label=None, stacked=False)

参数说明：

• x：指定条形图的x轴数据
• y：指定条形图的y轴数据
• hue：指定用于分组的另一个离散变量
• data：指定用于绘图的数据集
• order：传递一个字符串列表，用于分类变量的排序
• hur_order：传递一个字符串列表，用于分类变量hue值的排序
• ci：用于绘制条形图的误差棒（置信区间）
• n_boot：当指定ci参数时，可以通过n_boot参数控制自助抽样的迭代次数
• orient：指定水平或垂直条形图
• color：指定所有条形图所属的一种填充色
• palette：指定hue变量中各水平的颜色
• saturation：指定颜色的透明度
• errcolor：指定误差棒的颜色
• errwidth：指定误差棒的线宽
• capsize：指定误差棒两端线条的长度
• dodge：bool类型参数，当使用hue参数时，是否绘制水平交错条形图，默认为True
• ax：用于控制子图的位置
• **kwagrs：关键字参数，可以调用plt.bar函数中的其他参数

2. seaborn绘制

sns.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None,
             hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None,
             color=None, vertical=False, norm_hist=False, axlabel=None,
             label=None, ax=None)

参数说明：

• a：指定绘图数据，可以是序列、一维数组或列表
• bins：指定直方图条形的个数
• hist：bool类型的参数，是否绘制直方图，默认为True
• kde：bool类型的参数，是否绘制核密度图，默认为True
• rug：bool类型的参数，是否绘制须图（如果数据比较密集，该参数比较有用），默认为False
• fit：指定一个随机分布对象（需调用scipy模块中的随机分布函数），用于绘制随机分布的概率密度曲线
• hist_kws：以字典形式传递直方图的其他修饰属性，如填充色、边框色、宽度等
• kde_kws：以字典形式传递核密度图的其他修饰属性，如线的颜色、线的类型等
• rug_kws：以字典形式传递须图的其他修饰属性，如线的颜色、线的宽度等
• fit_kws：以字典形式传递概率密度曲线的其他修饰属性，如线条颜色、形状、宽度等
• color：指定图形的颜色，除了随机分布曲线的颜色
• vertical：bool类型的参数，是否将图形垂直显示，默认为True
• norm_hist：bool类型的参数，是否将频数更改为频率，默认为False
• axlabel：用于显示轴标签
• a：指定绘图数据，可以是序列、一维数组或列表
• bins：指定直方图条形的个数
• hist：bool类型的参数，是否绘制直方图，默认为True
• kde：bool类型的参数，是否绘制核密度图，默认为True
• rug：bool类型的参数，是否绘制须图（如果数据比较密集，该参数比较有用），默认为False
• fit：指定一个随机分布对象（需调用scipy模块中的随机分布函数），用于绘制随机分布的概率密度曲线
• hist_kws：以字典形式传递直方图的其他修饰属性，如填充色、边框色、宽度等
• kde_kws：以字典形式传递核密度图的其他修饰属性，如线的颜色、线的类型等
• rug_kws：以字典形式传递须图的其他修饰属性，如线的颜色、线的宽度等
• fit_kws：以字典形式传递概率密度曲线的其他修饰属性，如线条颜色、形状、宽度等
• color：指定图形的颜色，除了随机分布曲线的颜色
• vertical：bool类型的参数，是否将图形垂直显示，默认为True
• norm_hist：bool类型的参数，是否将频数更改为频率，默认为False
• axlabel：用于显示轴标签
• label：指定图形的图例，需结合plt.legend()一起使用。
• ax：指定子图的位置。

三、箱线图

主要用于查看连续型变量离散情况，比如找出离异值

1. matplotlib绘制

plt.boxplot(x, notch=None, sym=None, vert=None,
           whis=None, positions=None, widths=None,
           patch_artist=None, meanline=None, showmeans=None,
           showcaps=None, showbox=None, showfliers=None,
           boxprops=None, labels=None, flierprops=None,
           medianprops=None, meanprops=None,
           capprops=None, whiskerprops=None)

参数说明：

• x：指定要绘制箱线图的数据
• notch：是否以凹口的形式展现箱线图，默认非凹口
• sym：指定异常点的形状，默认为＋号显示
• vert：是否需要将箱线图垂直摆放，默认垂直摆放
• whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差
• positions：指定箱线图的位置，默认为[0,1,2…]
• widths：指定箱线图的宽度，默认为0.5
• patch_artist：bool类型参数，是否填充箱体的颜色；默认为False
• meanline：bool类型参数，是否用线的形式表示均值，默认为False
• showmeans：bool类型参数，是否显示均值，默认为False
• showcaps：bool类型参数，是否显示箱线图顶端和末端的两条线（即上下须），默认为True
• showbox：bool类型参数，是否显示箱线图的箱体，默认为True
• showfliers：是否显示异常值，默认为True
• boxprops：设置箱体的属性，如边框色，填充色等
• labels：为箱线图添加标签，类似于图例的作用
• filerprops：设置异常值的属性，如异常点的形状、大小、填充色等
• medianprops：设置中位数的属性，如线的类型、粗细等。
• meanprops：设置均值的属性，如点的大小、颜色等。
• capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等。
• whiskerprops：设置须的属性，如颜色、粗细、线的类型等。

2. seaborn绘制

 sns.boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
         orient=None, color=None, palette=None, saturation=0.75, width=0.8,
         dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)

参数说明：

• x：指定箱线图的x轴数据
• y：指定箱线图的y轴数据
• hue：指定分组变量
• data：指定用于绘图的数据集
• order：传递一个字符串列表，用于分类变量的排序
• hue_order：传递一个字符串列表，用于分类变量hue值的排序
• orient：指定箱线图的呈现方向，默认为垂直方向
• color：指定所有箱线图的填充色
• palette：指定hue变量的区分色
• saturation：指定颜色的透明度
• width：指定箱线图的宽度
• dodge：bool类型的参数，当使用hue参数时，是否绘制水平交错的箱线图，默认为True
• fliersize：指定异常值点的大小
• linewidth：指定箱体边框的宽度
• whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差
• notch：bool类型的参数，是否绘制凹口箱线图，默认为False
• ax：指定子图的位置
• **kwargs：关键字参数，可以调用plt.boxplot函数中的其他参数

四、小提琴图

1. seaborn绘制

sns.violinplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
          bw='scott', cut=2, scale='area', scale_hue=True, gridsize=100,
          width=0.8, inner='box', split=False, dodge=True, orient=None,
          linewidth=None, color=None, palette=None, saturation=0.75, ax=None)

相关参数：

• x：指定小提琴图的x轴数据
• y：指定小提琴图的y轴数据
• hue：指定一个分组变量
• data：指定绘制小提琴图的数据集
• order：传递一个字符串列表，用于分类变量的排序
• hue_order：传递一个字符串列表，用于分类变量hue值的排序
• bw：指定核密度估计的带宽，带宽越大，密度曲线越光滑
• scale：用于调整小提琴图左右的宽度，如果为area，则表示每个小提琴图左右部分拥有相同的面积；如果为count，则表示根据样本数量来调节宽度；如果为width，则表示每个小提琴图左右两部分拥有相同的宽度
• scale_hue：bool类型参数，当使用hue参数时，是否对hue变量的每个水平做标准化处理，默认为True
• width：使用hue参数时，用于控制小提琴图的宽度
• inner：指定小提琴图内部数据点的形态，如果为box，则表示绘制微型的箱线图；如果为quartiles，则表示绘制四分位的分布图；如果为point或stick，则表示绘制点或小竖条
• split：bool类型参数，使用hue参数时，将小提琴图从中间分为两个不同的部分，默认为False
• x：指定小提琴图的x轴数据
• y：指定小提琴图的y轴数据
• hue：指定一个分组变量
• data：指定绘制小提琴图的数据集
• order：传递一个字符串列表，用于分类变量的排序
• hue_order：传递一个字符串列表，用于分类变量hue值的排序
• bw：指定核密度估计的带宽，带宽越大，密度曲线越光滑
• scale：用于调整小提琴图左右的宽度，如果为area，则表示每个小提琴图左右部分拥有相同的面积；如果为count，则表示根据样本数量来调节宽度；如果为width，则表示每个小提琴图左右两部分拥有相同的宽度
• scale_hue：bool类型参数，当使用hue参数时，是否对hue变量的每个水平做标准化处理，默认为True
• width：使用hue参数时，用于控制小提琴图的宽度
• inner：指定小提琴图内部数据点的形态，如果为box，则表示绘制微型的箱线图；如果为quartiles，则表示绘制四分位的分布图；如果为point或stick，则表示绘制点或小竖条
• split：bool类型参数，使用hue参数时，将小提琴图从中间分为两个不同的部分，默认为False

五、折线图

一般用于反应连续型变量趋势

1. matplotlib绘制

plt.plot(x, y, linestyle, linewidth, color, marker,
      markersize, markeredgecolor, markerfactcolor,
      markeredgewidth, label, alpha)

参数说明：

• x：指定折线图的x轴数据
• y：指定折线图的y轴数据
• linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认为实线
• linewidth：指定折线的宽度
• marker：可以为折线图添加点，该参数是设置点的形状
• markersize：设置点的大小
• markeredgecolor：设置点的边框色
• markerfactcolor：设置点的填充色
• markeredgewidth：设置点的边框宽度
• label：为折线图添加标签，类似于图例的作用

线的类型（参数：linestyle）：

点的类型（参数：marker）：

六、散点图

主要用于研究两个变量的相关关系，比如线性回归，可以先通过绘制散点图看两个变量相关情况

1. matplotlib绘制

scatter(x, y, s=20, c=None, marker='o', cmap=None, norm=None, vmin=None,
      vmax=None, alpha=None, linewidths=None, edgecolors=None)

参数说明：

• x：指定散点图的x轴数据
• y：指定散点图的y轴数据
• s：指定散点图点的大小，默认为20，通过传入其他数值型变量，可以实现气泡图的绘制
• c：指定散点图点的颜色，默认为蓝色，也可以传递其他数值型变量，通过cmap参数的色阶表示数值大小
• marker：指定散点图点的形状，默认为空心圆
• cmap：指定某个Colormap值，只有当c参数是一个浮点型数组时才有效
• norm：设置数据亮度，标准化到0～1，使用该参数仍需要参数c为浮点型的数组
• vmin、vmax：亮度设置，与norm类似，如果使用norm参数，则该参数无效
• alpha：设置散点的透明度
• linewidths：设置散点边界线的宽度
• edgecolors：设置散点边界线的颜色

2. pandas绘制

df.plot(kind='scatter',x='x变量的column名称',y='y的column名称',title='标题')
plt.xlabel('x轴标签')
plt.ylabel('y轴标签')
plt.show()   # 图展示

3. seaborn绘制

lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None,
        size=5, aspect=1, markers='o', sharex=True, sharey=True, hue_order=None,
        col_order=None, row_order=None, legend=True, legend_out=True, scatter=True,
        fit_reg=True, ci=95, n_boot=1000, order=1, logistic=False, lowess=False,
        robust=False, logx=False, x_partial=None, y_partial=None, truncate=False,
 x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None)

参数说明：

• x,y：指定x轴和y轴的数据
• data：指定绘图的数据集
• hue：指定分组变量
• col,row：用于绘制分面图形，指定分面图形的列向与行向变量
• palette：为hue参数指定的分组变量设置颜色
• col_wrap：设置分面图形中每行子图的数量
• size：用于设置每个分面图形的高度
• aspect：用于设置每个分面图形的宽度，宽度等于size*aspect
• markers：设置点的形状，用于区分hue参数指定的变量水平值
• sharex,sharey：bool类型参数，设置绘制分面图形时是否共享x轴和y轴，默认为True
• hue_order,col_order,row_order：为hue参数、col参数和row参数指定的分组变量设值水平值顺序
• legend：bool类型参数，是否显示图例，默认为True
• legend_out：bool类型参数，是否将图例放置在图框外，默认为True
• scatter：bool类型参数，是否绘制散点图，默认为True
• fit_reg：bool类型参数，是否拟合线性回归，默认为True
• ci：绘制拟合线的置信区间，默认为95%的置信区间
• n_boot：为了估计置信区间，指定自助重抽样的次数，默认为1000次
• order：指定多项式回归，默认指数为1
• logistic：bool类型参数，是否拟合逻辑回归，默认为False
• lowess：bool类型参数，是否拟合局部多项式回归，默认为False
• robust：bool类型参数，是否拟合鲁棒回归，默认为False
• logx：bool类型参数，是否对x轴做对数变换，默认为False
• x_partial,y_partial：为x轴数据和y轴数据指定控制变量，即排除x_partial和y_partial变量的影响下绘制散点图
• truncate：bool类型参数，是否根据实际数据的范围对拟合线做截断操作，默认为False
• x_jitter,y_jitter：为x轴变量或y轴变量添加随机噪声，当x轴数据与y轴数据比较密集时，可以使用这两个参数
• scatter_kws：设置点的其他属性，如点的填充色、边框色、大小等
• line_kws：设置拟合线的其他属性，如线的形状、颜色、粗细等

核心参数：x，y，hue，data

七、气泡图

相比散点图展示二维数据关系，气泡图能展示更多的信息，比如可以通过气泡大小、颜色表示某个变量亦或维度

1. matplotlib绘制

八、热力图

比如查看各个城市拥挤情况，可以实现类似excel中颜色条件格式的效果，比如展示各个分组数据，值比较大的用深度颜色标记

1. seaborn绘制

 heatmap(data, vmin=None, vmax=None, cmap=None, center=None, annot=None, fmt='.2g',
        annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws = None,
        square=False, xticklabels='auto', yticklabels='auto', mask=None, ax=None)

参数说明：

• data：指定绘制热力图的数据集
• vmin,vmax：用于指定图例中最小值与最大值的显示值
• cmap：指定一个colormap对象，用于热力图的填充色
• center：指定颜色中心值，通过该参数可以调整热力图的颜色深浅
• annot：指定一个bool类型的值或与data参数形状一样的数组，如果为True，就在热力图的每个单元上显示数值
• fmt：指定单元格中数据的显示格式
• annot_kws：有关单元格中数值标签的其他属性描述，如颜色、大小等
• linewidths：指定每个单元格的边框宽度
• linecolor：指定每个单元格的边框颜色
• cbar：bool类型参数，是否用颜色条作为图例，默认为True
• square：bool类型参数，是否使热力图的每个单元格为正方形，默认为False
• cbar_kws：有关颜色条的其他属性描述
• xticklabels,yticklabels：指定热力图x轴和y轴的刻度标签，如果为True，则分别以数据框的变量名和行名称作为刻度标签
• mask：用于突出显示某些数据
• ax：用于指定子图的位置

九、 多个图形合并

类似于tkinter，python图形展示可以通过grid布局，函数级参数如下：

subplot2grid(shape, loc, rowspan=1, colspan=1, **kwargs)

参数说明：

• shape：指定组合图的框架形状，以元组形式传递，如2×3的矩阵可以表示成(2,3)。
• loc：指定子图所在的位置，如shape中第一行第一列可以表示成(0,0)。
• rowspan：指定某个子图需要跨几行。
• colspan：指定某个子图需要跨几列。

其中跨行和跨列参数，表示该子图横向亦或纵向跨几个格子

上图，一个2x3=6个格子，左侧6个子图，右侧4个子图，有一个跨了两列，有一个跨了两行

十、绘图函数汇总

import matplotlib.pyplot as plt
import seaborn as sns

pandas则使用使用Series或DataFrame调用plot函数即可

声明：函数参数说明主要整理自《从零开始学python数据分析与挖掘》

该书偏向技术应用，详解了python数据处理，可视化以及机器学习，如果纯粹学习技术应用，该书值得推荐。

其他相关书籍：张杰-《Python数据可视化之美》