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))