【科研绘图】琴图 +箱型图混合 matplotlib库和seabsorn库的使用

已于 2022-08-06 12:42:43 修改
阅读量994 收藏 2
点赞数 1
分类专栏： python学习 医学影像学习 文章标签： matplotlib python 开发语言
于 2022-08-06 12:28:34 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38851184/article/details/126192647
版权

文章目录

绘图结果

请添加图片描述

上面这张图是琴图+箱型图

Tips:
箱型图是用于看数据分布情况。琴图+箱型图的组合也越来越多的应用于论文绘图中。

更多的图片和代码请参考：
链接：https://pan.baidu.com/s/1olkdo0NFbPOWL4JIxZcAAw?pwd=vvj1
提取码：vvj1
–来自百度网盘超级会员V5的分享

绘制箱型图+琴图

导入相关库函数

这里使用matplotlib库

import matplotlib.pyplot as plt
import scipy.stats as st
import pandas as pd
import seaborn as sns
import numpy as np
from scipy import stats
import logging
import os
from matplotlib.pyplot import MultipleLocator
import matplotlib.ticker as ticker

数据导入和图片存储名称：

newROIs = ['Amygdala', 'Caudate', 'Putamen', 'Hippocampus', 'ParaHippocampal', 'Cingulate', 'Precuneus',
           'Angular', 'SupraMarginal', 'Temporal_INF', 'Temporal_MID', 'Frontal']

figName = {'Amygdala':'Amygdala', 'Caudate':'Caudate', 'Putamen':'Putamen', 'Hippocampus':'Hippocampus',
           'ParaHippocampal':'Parahippocampal gyrus', 'Cingulate':'Posterior cingulate gyrus', 'Precuneus':'Precuneus',
            'Angular':'Angular gyrus', 'SupraMarginal':'Supramarginal gyrus', 'Temporal_INF':'Inferior temporal gyrus',
          'Temporal_MID':'Middle temporal gyrus', 'Frontal':'Superior frontal gyrus'}
dst = 't1'
if os.path.exists(dst) == False:
    os.makedirs(dst)
roi = newROIs[0]


if not os.path.exists('logging'):
    os.mkdir('logging')
hi2 = pd.read_csv('C:/Users/28411/python/limpid/Data_XM_BL&FU/test_0414/{0}/{1}.csv'.format(dst, roi), sep=',')

logging进行写入日志


logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(message)s [%(filename)s:%(lineno)d]',
                        filename='logging/'+'{0}.log'.format(dst), datefmt='%Y-%m-%d %H:%M:%S')

logging.info("\nStart!Reading {0}.csv".format(roi))

设置图形颜色

emci_color = '#8dbada'
lmci_color = '#ffbf81'


emciEdgeColor = '#1a71af'
lmciEdgeColor = '#f57e09'


emciBoxFaceColor = '#5298c7'
lmciBoxFaceColor = '#ff9f40'


for i in range(4):
    edgeColor.append(emciEdgeColor)
    seaborn_color2.append(emci_color)
    whiskers_color2.append(emciEdgeColor)
    whiskers_color2.append(emciEdgeColor)
    boxFaceColor.append(emciBoxFaceColor)
for i in range(4):
    edgeColor.append(lmciEdgeColor)
    seaborn_color2.append(lmci_color)
    whiskers_color2.append(lmciEdgeColor)
    whiskers_color2.append(lmciEdgeColor)
    boxFaceColor.append(lmciBoxFaceColor)
inx2 = ['non-carriers', 'heterozygotes', 'homozygotes', 'carriers']
index2 = inx2 * 2

BG_WHITE = "#fbf9f4"
GREY_LIGHT = "#b4aea9"
GREY50 = "#7F7F7F"
BLUE_DARK = "#1B2838"
BLUE = "#2a475e"
BLACK = "#282724"
GREY_DARK = "#747473"
RED_DARK = "#850e00"

将数据进行转化

y_data = []
for i in range(hi2.shape[1]):
    da = []
    x = hi2.iloc[:, i].values
    for xi in x:
        if(str(xi)) == 'nan':
            continue
        da.append(xi.astype(float))
    y_data.append(da)

设置位置下标

POSITIONS = [1,1.5,2,2.5,  3.2,3.7,4.2,4.7]
posi = np.array([1,1.5,2,2.5,  3.2,3.7,4.2,4.7])

开始画图

plt.rc('font', family='Times New Roman') # 设置字体
fig, ax = plt.subplots(figsize=(12, 10), dpi=600) # 使用subplot进行画图
ax.spines['right'].set_visible(False) # 设置坐标轴是否可见
# ax.spines['left'].set_visible(False)
violins = ax.violinplot( # 绘制小提琴图
    y_data,
    positions=POSITIONS,
    #     bw_method="silverman",
    #     showmeans=False,
    #     showmedians=,
    showextrema=False
)

for i in range(8): # 上色
    ax.get_children()[i].set_color(seaborn_color2[i])

for pc in violins["bodies"]:
    pc.set_alpha(1)
    pc.set_linewidth(1.4)

violins["bodies"][0].set_edgecolors(emciEdgeColor) # 因为小提琴图是以字典形式返回的，所以这里也使用字典形式进行添加绘制信息
violins["bodies"][1].set_edgecolors(emciEdgeColor) 
violins["bodies"][2].set_edgecolors(emciEdgeColor)
violins["bodies"][3].set_edgecolors(emciEdgeColor)

violins["bodies"][4].set_edgecolors(lmciEdgeColor)
violins["bodies"][5].set_edgecolors(lmciEdgeColor)
violins["bodies"][6].set_edgecolors(lmciEdgeColor)
violins["bodies"][7].set_edgecolors(lmciEdgeColor)

medianprops = dict(
    linewidth=1,
    #     color='',
    solid_capstyle="butt"
)
whiskerprops = dict(
    linewidth=1
)

boxprops = dict(
    linewidth=1,
    #     color=seaborn_color2,
)

flierprops = dict(marker='o')

bplot = ax.boxplot( # 绘制箱型图
    y_data,
    widths=0.15,
    positions=POSITIONS,
    flierprops=flierprops,

    showfliers=True,
    labels=index2,
    #     labels=['EMCI','MCI', 'LMCI','EMCI','MCI', 'LMCI','EMCI','MCI', 'LMCI'],
    #     medianprops= medianprops,
    #     whiskerprops = whiskerprops,
    #     boxprops = boxprops,
    showmeans=True,
    patch_artist=True,
    meanline=True,
    showcaps=False

)

for patch, c in zip(bplot['boxes'], edgeColor):
    patch.set_color(c)

for patch, c in zip(bplot['boxes'], boxFaceColor):
    patch.set(facecolor=c)

for patch, c in zip(bplot['whiskers'], whiskers_color2):
    patch.set_color(c)
    patch.set_linewidth(3)
for patch, c in zip(bplot['medians'], edgeColor):
    patch.set_color(c)
    patch.set_linewidth(3)

for patch, c in zip(bplot['means'], edgeColor):
    patch.set_color(c)
    patch.set_linewidth(3)
    patch.set_linestyle(':')

for patch, c in zip(bplot['fliers'], edgeColor):
    patch.set_markeredgecolor(c)
    patch.set_markerfacecolor(c)

y_t = ax.get_yticks()

plt.gca().yaxis.set_major_formatter(ticker.FormatStrFormatter('%.2f'))

plt.tick_params(labelsize=32)
if dst == 'av45':
    ax.set_ylabel('${^1}$${^8}$F-AV45 PET SUVR', fontsize=26)
if dst == 'fdg':
    ax.set_ylabel('${^1}$${^8}$F-FDG PET SUVR', fontsize=26)
if dst == 't1':
    ax.set_ylabel('Gray matter density', fontsize=32)
y_major_locator = MultipleLocator(0.2)
ax.yaxis.set_major_locator(y_major_locator)

ax.set_title('{0}'.format(figName[roi]), fontsize=32, pad=20)
ax.set_xticklabels(index2, rotation=30, horizontalalignment='right')

ax.set_ylim(0, 0.8)


plt.tight_layout() # 这行代码很重要，进行图片大小调整

升级版

请添加图片描述

画图代码


import matplotlib.pyplot as plt
import scipy.stats as st
import pandas as pd
import seaborn as sns
import numpy as np
from scipy import stats
import logging
import os
from matplotlib.pyplot import MultipleLocator
import matplotlib.ticker as ticker


newROIs = ['Amygdala', 'Caudate', 'Putamen', 'Hippocampus', 'ParaHippocampal', 'Cingulate', 'Precuneus',
           'Angular', 'SupraMarginal', 'Temporal_INF', 'Temporal_MID', 'Frontal']

figName = {'Amygdala':'Amygdala', 'Caudate':'Caudate', 'Putamen':'Putamen', 'Hippocampus':'Hippocampus',
           'ParaHippocampal':'Parahippocampal gyrus', 'Cingulate':'Posterior cingulate gyrus', 'Precuneus':'Precuneus',
            'Angular':'Angular gyrus', 'SupraMarginal':'Supramarginal gyrus', 'Temporal_INF':'Inferior temporal gyrus',
          'Temporal_MID':'Middle temporal gyrus', 'Frontal':'Superior frontal gyrus'}
dst = 'fdg'
if os.path.exists(dst) == False:
    os.makedirs(dst)
roi = newROIs[8]


if not os.path.exists('logging'):
    os.mkdir('logging')
hi2 = pd.read_csv('C:/Users/28411/Desktop/limpid/Data_XM/ROIs/BaseLineROIs/{0}/{1}.csv'.format(dst, roi), sep=',')

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(message)s [%(filename)s:%(lineno)d]',
                        filename='logging/'+'{0}.log'.format(dst), datefmt='%Y-%m-%d %H:%M:%S')

logging.info("\nStart!Reading {0}.csv".format(roi))

seaborn_color2 = []
whiskers_color2 = []
edgeColor = []
boxFaceColor = []

emci_color = '#8dbada'
mci_color = '#ffbf81'
lmci_color = '#93d094'

emciEdgeColor = '#1a71af'
mciEdgeColor = '#f57e09'
lmciEdgeColor = '#279824'

emciBoxFaceColor = '#5298c7'
mciBoxFaceColor = '#ff9f40'
lmciBoxFaceColor = '#5db85b'

for i in range(3):
    edgeColor.append(emciEdgeColor)
    seaborn_color2.append(emci_color)
    whiskers_color2.append(emciEdgeColor)
    whiskers_color2.append(emciEdgeColor)
    boxFaceColor.append(emciBoxFaceColor)

for i in range(3):
    edgeColor.append(mciEdgeColor)
    seaborn_color2.append(mci_color)
    whiskers_color2.append(mciEdgeColor)
    whiskers_color2.append(mciEdgeColor)
    boxFaceColor.append(mciBoxFaceColor)

for i in range(3):
    edgeColor.append(lmciEdgeColor)
    seaborn_color2.append(lmci_color)
    whiskers_color2.append(lmciEdgeColor)
    whiskers_color2.append(lmciEdgeColor)
    boxFaceColor.append(lmciBoxFaceColor)
inx2 = ['non-carriers', 'heterozygotes', 'homozygotes']
index2 = inx2 * 3

y_data = []
for i in range(hi2.shape[1]):
    da = []
    x = hi2.iloc[:, i].values
    for xi in x:
        if(str(xi)) == 'nan':
            continue
        da.append(xi.astype(float))
    y_data.append(da)

POSITIONS = [1,1.5,2, 2.7,3.2,3.7, 4.4,4.9,5.4]
BG_WHITE = "#fbf9f4"
GREY_LIGHT = "#b4aea9"
GREY50 = "#7F7F7F"
BLUE_DARK = "#1B2838"
BLUE = "#2a475e"
BLACK = "#282724"
GREY_DARK = "#747473"
RED_DARK = "#850e00"

posi = np.array([1,1.5,2,  2.7,3.2,3.7,  4.4,4.9,5.4])

plt.rc('font', family='Times New Roman')
fig, ax = plt.subplots(figsize=(12, 10), dpi=600)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
violins = ax.violinplot(
    y_data,
    positions=POSITIONS,
    #     bw_method="silverman",
    #     showmeans=False,
    #     showmedians=,
    showextrema=False
)

for i in range(9):
    ax.get_children()[i].set_color(seaborn_color2[i])

for pc in violins["bodies"]:
    pc.set_alpha(1)
    pc.set_linewidth(1.4)

# violins["bodies"][0].set_label('EMCI')
# violins["bodies"][3].set_label('MCI')
# violins["bodies"][6].set_label('LMCI')

violins["bodies"][0].set_edgecolors(emciEdgeColor)
violins["bodies"][1].set_edgecolors(emciEdgeColor)
violins["bodies"][2].set_edgecolors(emciEdgeColor)

violins["bodies"][3].set_edgecolors(mciEdgeColor)
violins["bodies"][4].set_edgecolors(mciEdgeColor)
violins["bodies"][5].set_edgecolors(mciEdgeColor)

violins["bodies"][6].set_edgecolors(lmciEdgeColor)
violins["bodies"][7].set_edgecolors(lmciEdgeColor)
violins["bodies"][8].set_edgecolors(lmciEdgeColor)

medianprops = dict(
    linewidth=1,
    #     color='',
    solid_capstyle="butt"
)
whiskerprops = dict(
    linewidth=1
)

boxprops = dict(
    linewidth=1,
    #     color=seaborn_color2,
)

flierprops = dict(marker='o')

bplot = ax.boxplot(
    y_data,
    widths=0.15,
    positions=POSITIONS,
    flierprops=flierprops,

    showfliers=True,
    labels=index2,
    #     labels=['EMCI','MCI', 'LMCI','EMCI','MCI', 'LMCI','EMCI','MCI', 'LMCI'],
    #     medianprops= medianprops,
    #     whiskerprops = whiskerprops,
    #     boxprops = boxprops,
    showmeans=True,
    patch_artist=True,
    meanline=True,
    showcaps=False

)

for patch, c in zip(bplot['boxes'], edgeColor):
    patch.set_color(c)

for patch, c in zip(bplot['boxes'], boxFaceColor):
    patch.set(facecolor=c)

for patch, c in zip(bplot['whiskers'], whiskers_color2):
    patch.set_color(c)
    patch.set_linewidth(3)
for patch, c in zip(bplot['medians'], edgeColor):
    patch.set_color(c)
    patch.set_linewidth(3)

for patch, c in zip(bplot['means'], edgeColor):
    patch.set_color(c)
    patch.set_linewidth(3)
    patch.set_linestyle(':')

for patch, c in zip(bplot['fliers'], edgeColor):
    patch.set_markeredgecolor(c)
    patch.set_markerfacecolor(c)

y_t = ax.get_yticks()


plt.gca().yaxis.set_major_formatter(ticker.FormatStrFormatter('%.2f'))


plt.tick_params(labelsize=32)
# if dst == 'av45':
#     ax.set_ylabel('${^1}$${^8}$F-AV45 PET SUVR', fontsize=26)
# if dst == 'fdg':
#     ax.set_ylabel('${^1}$${^8}$F-FDG PET SUVR', fontsize=26)
# if dst == 't1':
#     ax.set_ylabel('Gray matter volume', fontsize=26)
y_major_locator = MultipleLocator(0.4)
ax.yaxis.set_major_locator(y_major_locator)

ax.set_title('{0}'.format(figName[roi]), fontsize=32, pad=20)
ax.set_xticklabels(index2, rotation=30, horizontalalignment='right')

ax.set_ylim(0, 2.4+0.3)

highhh = 2.3

# y_labels = np.linspace(0, highhh, 6)
#
# ax.set_yticklabels(y_labels, fontsize=16)
# plt.legend()

plt.tight_layout()



def plotLine(num, posiOne, posiTwo, pValue):

    if pValue<0.001:
        labelp = '${^*}$${^*}$${^*}$'
    elif pValue <0.01:
        labelp = '${^*}$${^*}$'
    elif pValue<0.05:
        labelp = '${^*}$'

    # inner group
    if posiTwo - posiOne == 0.5 or posiTwo - posiOne == 1:

        if posiTwo <= 2:
            if posiOne == 1.0 and posiTwo == 2.0:
                ax.plot([1.0, 1.0, 2.0, 2.0], [highhh+0.12, highhh+0.12, highhh+0.12, highhh+0.12], c=emci_color)
                ax.text(1.5, highhh+0.07, labelp, fontsize=16, va="bottom", ha="center", c=emci_color)
            if posiOne == 1 and posiTwo == 1.5:
                ax.plot([1.0, 1.0, 1.5, 1.5], [highhh+0.08, highhh+0.08, highhh+0.08, highhh+0.08], c=emci_color)
                ax.text(1.25, highhh+0.03, labelp, fontsize=16, va="bottom", ha="center", c=emci_color)
            if posiOne == 1.5 and posiTwo == 2.0:
                ax.plot([1.5, 1.5, 2.0, 2.0], [highhh+0.04, highhh+0.04, highhh+0.04, highhh+0.04], c=emci_color)
                ax.text(1.75, highhh-0.01, labelp, fontsize=16, va="bottom", ha="center", c=emci_color)

        elif posiTwo <= 3.7:
            if posiOne == 2.7 and posiTwo == 3.7:
                ax.plot([2.7, 2.7, 3.7, 3.7], [highhh+0.12, highhh+0.12, highhh+0.12, highhh+0.12], c=mci_color)
                ax.text(3.2, highhh+0.07, labelp, fontsize=16, va="bottom", ha="center", c=mci_color)
            if posiOne == 2.7 and posiTwo == 3.2:
                ax.plot([2.7, 2.7, 3.2, 3.2], [highhh+0.08, highhh+0.08, highhh+0.08, highhh+0.08], c=mci_color)
                ax.text(2.95, highhh+0.03, labelp, fontsize=16, va="bottom", ha="center", c=mci_color)
            if posiOne == 3.2 and posiTwo == 3.7:
                ax.plot([3.2, 3.2, 3.7, 3.7], [highhh+0.04, highhh+0.04, highhh+0.04, highhh+0.04], c=mci_color)
                ax.text(3.45, highhh-0.01, labelp, fontsize=16, va="bottom", ha="center", c=mci_color)

        elif posiTwo <= 5.4:
            if posiOne == 4.4 and posiTwo == 5.4:
                ax.plot([4.4, 4.4, 5.4, 5.4], [highhh+0.12, highhh+0.12, highhh+0.12, highhh+0.12], c=lmci_color)
                ax.text(4.9, highhh+0.07, labelp, fontsize=16, va="bottom", ha="center", c=lmci_color)
            if posiOne == 4.4 and posiTwo == 4.9:
                ax.plot([4.4, 4.4, 4.9, 4.9], [highhh+0.08, highhh+0.08, highhh+0.08, highhh+0.08], c=lmci_color)
                ax.text(4.65, highhh+0.03, labelp, fontsize=16, va="bottom", ha="center", c=lmci_color)
            if posiOne == 4.9 and posiTwo == 5.4:
                ax.plot([4.9, 4.9, 5.4, 5.4], [highhh+0.04, highhh+0.04, highhh+0.04, highhh+0.04], c=lmci_color)
                ax.text(5.15, highhh-0.01, labelp, fontsize=16, va="bottom", ha="center", c=lmci_color)
    else:
        up = num * 0.07

        if up == 0.07:
            up += 0.09

        # print('plotLine from {0} to {1}'.format(posiOne, posiTwo))

        ax.plot([posiOne + 0.1, posiOne + 0.1, posiTwo - 0.1, posiTwo - 0.1],
                [highhh + up, highhh + up, highhh + up, highhh + up],
                c="black")
        x_label = (posiOne+posiTwo-0.2)/2
        y_label = highhh+up-0.04
        print(num, labelp)
        ax.text(x_label, y_label, labelp, fontsize=16, va="bottom", ha="center", c='k')
        # print(x_label, y_label)

    return

y = y_data
emci_0 = y[0]
emci_1 = y[1]
emci_2 = y[2]

mci_0 = y[3]
mci_1 = y[4]
mci_2 = y[5]

lmci_0 = y[6]
lmci_1 = y[7]
lmci_2 = y[8]

nine={'emci_0': emci_0, 'emci_1': emci_1,'emci_2': emci_2, 'mci_0': mci_0, 'mci_1': mci_1, 'mci_2': mci_2,
      'lmci_0': lmci_0, 'lmci_1': lmci_1, 'lmci_2': lmci_2}
nine_name = ['emci_0', 'emci_1', 'emci_2', 'mci_0', 'mci_1', 'mci_2', 'lmci_0', 'lmci_1', 'lmci_2']

九久呀
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Python数据分析29——seaborn可视化（五）之琴形图
Py.ziMing的博客
06-16 4477
准备工作 先导入相关模块和数据集。 import numpy as np import pandas as pd from pandas import Series, DataFrame import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline tips = sns.load_dataset('tips') t...
使用Python中的matplotlib库读取csv文件绘制混合图
12-22
效果展示 * Python代码 import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl data = pd.read_csv('taobao_data.csv', index_col='\u4f4d\u7f6e') data.drop(['宝贝', '卖家'], inplace=True, axis=1) data = data.groupby(['位置']).mean().sort_values(by='\u6210\u4ea4\u91cf') print(data.head()) fig, axis = plt.subplots(2, 2)
Matplotlib.pyplot 组合图
September_C的博客
01-31 694
数学图形的组合图 #数学图形的组合图 #y1=sin(x),y2=cos(x),y3=sin(x^2),y4=xsinx,x∈[0,2π]的组合图 import numpy as np from matplotlib.pyplot import * x=np.linspace(0,2*np.pi,200) #np.linspace生成200个元素的数组，均匀的分布在（0,2*pi）区间上面 y1=np.sin(x) y2=np.cos(x) y3=np.sin(x*x) y4=x*np.sin(x) .
matplotlib 常用方法 （柱状图，柱线混合图等）
qq_45092173的博客
04-20 1467
matplotlib常用方法总结 中文显示 import matplotlib matplotlib.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文 柱状图 data= [4.9,4.6,3.2,3.4,3.5,4.3,4.5,5.0] labels = ['唯品会', '网易严选', '拼多多', '京东', '淘宝',"阿里巴巴","苏宁易购","必要"] plt.title("电商平台下载量") plt.xlabel("电商平台") plt.y
pythonmatplotlib绘图小提琴,Matplotlib提琴图
weixin_30140093的博客
03-25 429
本篇文章帮大家学习Matplotlib提琴图，包含了Matplotlib提琴图使用方法、操作技巧、实例演示和注意事项，有一定的学习价值，大家可以用来参考。小提琴图类似于箱形图，除了它们还显示不同值的数据的概率密度。这些图包括数据中位数的标记和表示四分位数范围的框，如标准框图中所示。在该箱图上叠加的是核密度估计。与箱形图一样，小提琴图用于表示跨不同“类别”的可变分布(或样本分布)的比较。小提琴图形比...
利用matlab+matplotlib和pandas画箱形图+源码解析+文档
最新发布
06-23
利用matlab+matplotlib和pandas画箱形图+源码解析+文档，适合毕业设计、课程设计、项目开发。项目源码已经过严格测试，可以放心参考并在此基础上延申使用~ 箱形图 一、四分位数：Q1（下四分位数）、Q2（中位数）、...
Python+爱心的参数方程+matplotlib库+用于展示爱心
02-22
本示例中的“Python+爱心的参数方程+matplotlib库+用于展示爱心”是一个非常适合初学者的项目，它结合了数学、编程和艺术，通过Python的matplotlib库来绘制一个浪漫的爱心图案。 首先，我们要了解的是`matplotlib`...
c ++使用matplotlib
07-20
幸运的是，有一个开源项目lava/matplotlib-cpp为C++提供了接口，使得我们可以在C++中使用Python的Matplotlib库进行绘图。 使用Matplotlib在C++中进行绘图需要完成三个步骤： 第一步：拷贝matplotlibcpp.h ...
python matplotlib库的基本使用
12-16
【Python Matplotlib库基本使用】 Matplotlib是Python中最流行的绘图库之一，它深受数据分析和机器学习领域的喜爱，尤其对于那些熟悉MATLAB但更倾向于Python语法的人来说。MATLAB的图形功能强大，但作为一款商业...
如何用Python matplotlib 绘制提琴图，你get到了吗
Z987421的博客
12-22 5891
Hello，大家好，我是程序汪小陈~ 今天向大家分享的是如何用Python matplotlib 绘制提琴图表示数据分布情况 首先，我们学习matplotlib.pyplot.violinplot绘制提琴图相关属性学习，Let's go~ 1. 提琴图概述 什么是提琴图？ 提琴图是外形类似提琴，具有箱型图和密度图的特征 提琴图是用来显示数据分布和出现概率的密度 提琴图同展示一组数据的中位数、四分位数范围、密度、95%置信区间 提琴图应用场景 提琴图可以用于比较不
论文、报告中那些乱七八糟的图（甘特图、卡吉图，桑基图，小提琴图，弦图，螺旋图，风玫瑰图）
David_jiang
09-29 5710
在一些论文或报告中，总是会看到一些熟悉的图，但作者总是不能好好说话，非得搞个洋名字、缩写字或者半洋半中的词来显示它多么高大上，有时候这种故弄玄虚、华而不实的写法也实在是让人看了不伦不类，图首先是让读者更容易看懂的，不是让你来故作高深、玩玄学的。
【Python】多图形混合排版，如何在Matplotlib/Seaborn中实现？
fengdu78的博客
11-16 1438
数据展示时，在同一页面上混合排版多个图形是一种常见的用法。本次分享一个Python轮子patchworklib：通过|、/轻松实现图形排列；比matplotlib、seaborn等自带子图功能更加灵活;灵感源于R中的_patchwork。更多关于图形拼接文章：ProPlot弥补Matplotlib这9大缺陷Matplotlib-多子图绘制在Matplotlib中使用patchworklib拼图主要...
python绘制小提琴图数据_如何绘制多个数据集的小提琴图？
weixin_35149268的博客
02-21 869
from matplotlib import pyplot as pltA = [2, 5, 6, 10, 12, 8, 5]B = [2, 2, 6, 8, 14, 5, 5]C = [5, 7, 5, 13, 17, 7, 5]D = [1, 4, 7, 12, 12, 5, 5]E = [4, 1, 2, 11, 13, 7, 5]fig, ax = plt.subplots(figsiz...
Python-matplotlib画图，柱状图，双柱图，折线图，散点图，饼图，线柱混合图。附代码模板与详细注释
weixin_48464886的博客
09-01 1695
附程序
箱形图box plot 和 小提琴图violin plot
热门推荐
ac540101928的专栏
02-02 7万+
一、箱形图box plot 1）箱型图概念 箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。 箱形图于1977年由美国著名统计学家约翰·图基（John Tukey）发明。它能显示出一组数据的最大值、最小值、中位数、及上下四分位数。 2）箱形图包含内容 "盒式图"或叫"盒须图""箱形图"boxplot（也称箱须
箱形图
jialiangyue的博客
03-15 2677
转自：http://blog.csdn.net/fwj_ntu/article/details/78651672箱形图，也叫盒须图，盒式图，boxplot。有95%的把握猜中你现在已经不太确定，这图中有几条线？每条线代表什么意思？中间的那条线代表的究竟是算数平均数还是中位数，还是众数？再问的深点，箱形图存在的意义为何？之于数据分析的实践意义在哪里？接下来，带你从概念开始，一步步剖析箱形图以及背后的...
Matplotlib 入门（三）：多图合并
若云流风的专栏
09-24 2万+
一、多合一显示 1、subplot方法：设置行、列和起始点 plt.subplot(2,1,1) # 分成两行一列，起始点为1 2、代码 # -*- coding: utf-8 -*- """ Created on Sun Sep 24 15:02:51 2017 @author: ryoyun """ # subplot 多合...
10分钟教你用Python中的Matplotlib绘制多图并合并展示
infinitor的博客
04-17 3600
前言 大家好，最近在研究在搞Python的大作业，有个需求就是利用Matplotlib画几个像模像样的统计图然后合并在一张图中，因为此前很少用这方面的东西，所以折腾了不少时间，今天介绍一下。 subplot多合一 其实，利用python 的matplotlib包下的subplot函数可以将多个子图放在同一个画板上。在此之前，我们先来看一个案例： import matplotlib.pyplot...
Python中利用Matplotlib绘制多图并合并展示
Alex
05-04 1万+
有个需求就是利用Matplotlib画几个像模像样的统计图然后合并在一张图中，因为此前很少用这方面的东西，所以折腾了不少时间，今天介绍一下。 1、subplot多合一 其实，利用python 的matplotlib包下的subplot函数可以将多个子图放在同一个画板上。在此之前，我们先来看一个案例： import matplotlib.pyplot as plt import numpy as...
使用matplotlib绘图怎么改变箱型图坐标轴具体值名字
05-04
使用Matplotlib绘制箱型图时，可以通过设置坐标轴标签来更改坐标轴具体值的名称。 下面是一个简单的例子，展示了如何使用Matplotlib绘制箱型图并更改坐标轴标签： ```python import matplotlib.pyplot as plt import numpy as np # 生成随机数据 data = np.random.normal(size=(100, 4), loc=0, scale=1) # 绘制箱型图 fig, ax = plt.subplots() ax.boxplot(data) # 设置坐标轴标签 ax.set_xticklabels(['A', 'B', 'C', 'D']) # 显示图形 plt.show() ``` 在这个示例中，我们首先生成了随机数据，然后使用Matplotlib绘制了箱型图。然后，我们使用`set_xticklabels`方法将坐标轴标签设置为'A'、'B'、'C'和'D'。最后，我们使用`plt.show()`方法显示图形。 你可以根据自己的需求更改坐标轴标签的具体值名称。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

九久呀

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值