matplotlib——可视化函数总结

1.画饼图

https://blog.csdn.net/roguesir/article/details/78178365

plt.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)

 

import matplotlib.pyplot as plt

# 设置绘图的主题风格（不妨使用R中的ggplot分隔）

plt.style.use('ggplot')

 

# 构造数据

edu = [0.2515,0.3724,0.3336,0.0368,0.0057]

labels = ['中专','大专','本科','硕士','其他']

explode = [0,0.1,0,0,0] # 用于突出显示大专学历人群

colors=['#9999ff','#ff9999','#7777aa','#2442aa','#dd5555'] # 自定义颜色

# 中文乱码和坐标轴负号的处理

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

plt.rcParams['axes.unicode_minus'] = False

# 将横、纵坐标轴标准化处理，保证饼图是一个正圆，否则为椭圆

plt.axes(aspect='equal')

# 控制x轴和y轴的范围

plt.xlim(0,4)

plt.ylim(0,4)

# 绘制饼图

plt.pie(x = edu, # 绘图数据

explode=explode, # 突出显示大专人群

labels=labels, # 添加教育水平标签

colors=colors, # 设置饼图的自定义填充色

autopct='%.1f%%', # 设置百分比的格式，这里保留一位小数

pctdistance=0.8, # 设置百分比标签与圆心的距离

labeldistance = 1.15, # 设置教育水平标签与圆心的距离

startangle = 180, # 设置饼图的初始角度

radius = 1.5, # 设置饼图的半径

counterclock = False, # 是否逆时针，这里设置为顺时针方向

wedgeprops = {'linewidth': 1.5, 'edgecolor':'green'},# 设置饼图内外边界的属性值

textprops = {'fontsize':12, 'color':'k'}, # 设置文本标签的属性值

center = (1.8,1.8), # 设置饼图的原点

frame = 1 )# 是否显示饼图的图框，这里设置显示

# 删除x轴和y轴的刻度

plt.xticks(())

plt.yticks(())

# 添加图标题

plt.title('芝麻信用失信用户教育水平分布')

# 显示图形

plt.show()

 

2.柱形图加上标注

 

 

代码

# encoding:utf-8 import matplotlib.pyplot as plt # 构建数据 GDP = [12406.8,13908.57,9386.87,9143.64] # 中文乱码的处理 plt.rcParams['font.sans-serif'] =['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False # 绘图 plt.bar(range(4), GDP, align = 'center',color='steelblue', alpha = 0.8) # 添加轴标签 plt.ylabel('GDP') # 添加标题 plt.title('Comparing about four cities GDP') # 添加刻度标签 plt.xticks(range(4),['Beijing','Shanghai','Tianjin','Chongqing']) # 设置Y轴的刻度范围 plt.ylim([5000,15000]) # 为每个条形图添加数值标签 for x,y in enumerate(GDP): plt.text(x,y+100,'%s' %round(y,1),ha='center')# 显示图形plt.show() plt.show()

3.subplots 添加总标题

fig,ax=plt.subplots(4,2,figsize=(20,5))

fig.suptitle('the Subscription rate of the catgories for catgory features')

 

4.seaborn

https://blog.csdn.net/suzyu12345/article/details/69029106

https://blog.csdn.net/qq_34264472/article/details/53814653

5.subplots

seaborn 画subplots：

 

subplots子图：

from matplotlib.ticker import MultipleLocator

fig,ax=plt.subplots(4,2,figsize=(20,5))

#调整每个子图的大小

fig.set_size_inches(20,12)

#调整子图之间上下距离，wspace调整子图左右的间距

plt.subplots_adjust(hspace=1)

#颜色选择

p = sns.color_palette()

job=dataset['job'].value_counts().reset_index()

job.columns=['jobs','counts']

ax[0][0].bar(job.jobs,job.counts)

#子图的横纵坐标的字体以及倾斜程度，颜色

ax[0][0].tick_params(labelsize=13,rotation=20,color=p[0])

#设置密度

ax[0][0].xaxis.set_major_locator(MultipleLocator(2))

#子图的子标题

ax[0][0].set_title("job_counts")

 

6.facet和kdeplot

不同的标签之间的交点可以用来做连续型变量的分割点

#画概率密度曲线

for i,feat in enumerate(num_features[0:5]):

facet= sns.FacetGrid(dataset,hue='y',size=6).map(sns.kdeplot,'%s'%feat,shade = True,ax=axes[i]).add_legend()

#标题

facet.set(title='fff')

6.堆叠条形图：

age=pd.crosstab(dataset['age_type'],dataset['y'])

age.plot(kind="bar",stacked=True,figsize=(12,5))