spyder中绘图无法显示负号_matlibplot+seaborn绘图风格交叉使用-CSDN博客

本文链接：https://blog.csdn.net/weixin_28788777/article/details/112324539

matlibplot+seaborn绘图风格交叉使用

遇到问题：想要图一的图案，但是想要seaborn中默认的风格绘制

图一

一开始的想法是seaborn既然升级版matlibplot，应该支持直接修改plt.plot==>sns.barplot ，但实际上是不支持的。

# coding:utf-8
from pandas import Series,DataFrame
from numpy.random import randn
import numpy as np
import matplotlib.pyplot as plt
from pylab import mpl
import seaborn as sns
sns.set_style("whitegrid")
plt.rc("font",family="SimHei",size="16")  #用于解决中文显示不了的问题
sns.set_style("whitegrid")
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
sns.set(font='SimHei')  # 解决Seaborn中文显示问题

#创建一个画板
fig=plt.figure(figsize=(8,6))

#为画板划分多个Axes
ax = plt.subplot(111)  #假如设置为221，则表示创建两行两列也就是4个子画板,ax为第一个子画板

#数据准备
stock_type_list=[[396, 384], [351, 429], [0, 780], [368, 412], [0, 780], [167, 613], [390, 390], [4, 776], [332, 448], [399, 381], [25, 755], [265, 515]]

#y轴数据
ya = np.array([i[0] for i in stock_type_list[::3]]) # 股价差跌
yb = np.array([i[1] for i in stock_type_list[::3]])

#柱状图的宽度
width = 0.3
#x轴数据
x_bar = np.arange(4)

#绘制柱状图
rects1 = sns.barplot(x_bar-width/2,ya,label='跌')
rects2 = sns.barplot(x_bar+width/2,yb,label='涨',)

#为柱状图添加高度值（不能使用因为sns.plot中不是iteration）
# for rect in rects1:
#     x1 = rect.get_x()
#     height1 = rect.get_height()
#     ax.text(x1+0.2,1.01*height1,str(height1))
# #     print(x,height)
# for rect in rects2:
#     x2 = rect.get_x()
#     height2 = rect.get_height()
#     ax.text(x2+0.2,1.01*height2,str(height2))

#设置x轴的刻度
ax.set_xticks(x_bar)
ax.set_xticklabels(['后1天股价差'
          ,'后5天股价差'
          ,'后20天股价差'
          ,'后60天股价差'])

#设置y轴的刻标注
ax.set_ylabel("回购数量（单位：次数）")
ax.set_xlabel("回购后影响天数")

#是否显示网格
# ax.grid(True)

#拉伸y轴
# ax.set_ylim(0,28)

#设置标题
ax.set_title("回购后的股价差涨跌幅统计")

plt.legend(loc='lower right')


#显示图表
plt.show()

fig.savefig('回购后股价差.png')

图二

出来结果图二是柱状图混乱，没有显示两个柱状图。

第二次：是创建一个dataframe，和使用seaborn绘制折线想法一样，直接扔一堆data到sns.lineplot(data=DataFrame)即可

# 使用seaborn绘制多柱状图
'''
使用seaborn绘制双柱状图不可行的原因：sns.barplot的api接口太高级，sns的思想是，你给我数据，我来帮你区分怎么样切割数据
例如：seaborn.barplot(x=None, y=None, hue=None, data=None, order=None
                    , hue_order=None, estimator=<function mean at 0x10a2a03b0>, ci=95, n_boot=1000, units=None, seed=None, orient=None
                    , color=None, palette=None, saturation=0.75, errcolor='.26', errwidth=None, capsize=None, dodge=True, ax=None, **kwargs)
直接给定dataframe中的x,y,hue来切割，data=DataFrame,直接绘制会无法识别，而发生重叠

但是绘制折线图是可以：sns.lineplot折线可以的原因是折线本身可以发生重叠。
'''



price_dict={ # 'index':['后1天股价差','后5天股价差','后20天股价差','后60天股价差'],
           '股价跌':[396,368,390,399],
           '股价涨':[384,412,390,381],
           }


price_diff_df=pd.DataFrame(data=price_dict ,index=['后1天股价差'
          ,'后5天股价差'
          ,'后20天股价差'
          ,'后60天股价差'],)

price_diff_df

price_sea_da=[price_diff_df["股价跌"],price_diff_df["股价涨"]]

fig=plt.figure(figsize=(8,4))
ax = plt.subplot(111)


ax=sns.barplot(data=price_sea_da)

ax.set_ylabel("回购后n天平均股价变化")  # 比如回购发生后几天内的平均股价
ax.set_xlabel("占总股本比例（单位：%）增长排序")

#设置x轴的刻度
ax.set_title("回购后n天平均股价变化")
# ax.set_xticklabels(price_sort_df['占总股本比例'].tolist())

plt.show()
# fig.savefig('回购后n天占总股本比例--平均股价变化.png')

第三次：可以在绘制matlibplot的基础上，修改到seaborn的风格

# coding:utf-8
from pandas import Series,DataFrame
from numpy.random import randn
import numpy as np
import matplotlib.pyplot as plt
from pylab import mpl
import seaborn as sns
# sns.set_style("whitegrid")
plt.rc("font",family="SimHei",size="16")  #用于解决中文显示不了的问题
# sns.set_style("whitegrid")
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
sns.set(font='SimHei')  # 解决Seaborn中文显示问题
% matplotlib inline

#再论柱状图
#创建一个画板
print("可使用的风格",plt.style.available)
fig=plt.figure(figsize=(8,6))
plt.style.use('tableau-colorblind10')  
# 这种风格可以使用中文字体，使用seaborn默认交叉使用matlibplot会不支持中文，算一个bug？


#为画板划分多个Axes
ax = plt.subplot(111)  #假如设置为221，则表示创建两行两列也就是4个子画板,ax为第一个子画板

#数据准备
stock_type_list=[[396, 384], [351, 429], [0, 780], [368, 412], [0, 780], [167, 613], [390, 390], [4, 776], [332, 448], [399, 381], [25, 755], [265, 515]]

#y轴数据
ya = np.array([i[0] for i in stock_type_list[1::3]]) # 股价差跌
yb = np.array([i[1] for i in stock_type_list[1::3]])

#柱状图的宽度
width = 0.3
#x轴数据
x_bar = np.arange(4)

#绘制柱状图
rects1 = ax.bar(x_bar-width/2,ya,width=width,label='跌',color='darkseagreen')
rects2 = ax.bar(x_bar+width/2,yb,width=width,label='涨',color='olive')

#为柱状图添加高度值
for rect in rects1:
    x1 = rect.get_x()
    height1 = rect.get_height()
    ax.text(x1+0.1,1.01*height1,str(height1))
#     print(x,height)
for rect in rects2:
    x2 = rect.get_x()
    height2 = rect.get_height()
    ax.text(x2+0.1,1.01*height2,str(height2))

#设置x轴的刻度
ax.set_xticks(x_bar)
ax.set_xticklabels([u'后1天平均股价'
          ,'后5天平均股价'
          ,'后20天平均股价'
          ,'后60天平均股价'])

#设置y轴的刻标注
ax.set_ylabel("回购数量（单位：次数）")
ax.set_xlabel("回购后影响天数")
#是否显示网格
# ax.grid(True)
#拉伸y轴
# ax.set_ylim(0,28)
#设置标题
ax.set_title("回购后的平均股价涨跌幅统计")
plt.legend(loc='lower right')
#显示图表
plt.show()
# fig.savefig('回购后平均股价.png')

图三