基于python的DEA绘图

matplotlib.pyplot 的基本绘图

matplotlib的pyplot子库提供了与matlab类似绘图API，方便用户快速绘制一些常用的基本图表

以下基本是给自己留档用的，以及让自己不用每次都查文档这么累= =

figure 和 axes

\(\quad\quad\) figure和axes是plt中的对象名称，注意区别axes和axis区别，一般把axes翻译为“子图”

\(\quad\quad\) figure一般理解为一个画板，对应的是一个对话框（在ipython中）

\(\quad\quad\) pyplot中常用类包含关系 ​Figure -> Axes -> (Line2D, Text, etc.)

import matplotlib.pyplot as plt

fig = plt.figure()

ax1 = fig.add_subplot(2,3,1) #add_subplot(231) is acceptable

\(\quad\quad\) 这里引入了fig中add_subplot的用法

\(\quad\quad\) fig.add_subplot相当于plt.subplot，起到创建子图的作用，参数231相当于：

\(\quad\quad\) \(\quad\quad\) “把figure划分为2行3列，并取ax1为第1个图（从上到下从左往右）”

\(\quad\quad\) 这里再讲一个plt.subplots的用法

fig, axes = plt.subplots(2,3)

\(\quad\quad\) axes就成为了一个可以被索引的二维数组，非常棒棒

常用画图函数以及参数

• 绘制散点图

  plt.scatter(x = , y = , )

• 绘制曲线图

  plt.plot(x = , y = , linestyle = , color = , marker = ,markerfacecolor = ,drawstyle = ,label = ）

  • x, y ：array-like object
  • linestyle，color：线型和颜色
  • marker, markerfacecolor：点型和颜色
  • drawstyle：插值方式（steps-post，阶跃；Default，线型）
• 绘制直方图
  plt.hist(x = , bins = , range = , normed = ，histtype = )
  • histtype：改为stepfilled可以去除bin间隔线看上去更连续

刻度、标签以及图例

• 对坐标轴上数据的设置

  • ax.set_xlabel([])：设置x轴名称
  • ax.set_xlim()：设置x轴范围
  • ax.set_xticks([])：设置坐标刻度值
  • ax.set_xticklabels([], rotation = ,fontsize = )：设置坐标刻度标签

• 图例设置
  ax.legend([plot1, plot2, ...], ('label1', 'label2'), loc = )

  • loc：图例位置（best，自适应：center，中间）

• 标签设置

  ax.set_title()：设置子图标题

保存图表

• plt.savefig('example.png')

seaborn库绘图进阶

使用axes_style()和set_style()设置外观

\(\quad\quad\)暗网格(darkgrid)，白网格(whitegrid)，全黑(dark)，全白(white)，全刻度(ticks)

对数据集的可视化

• distplot(a = array-like, bins =, hist = , norm_hist =, rug = , kde = ,fit =)
  • hist：是否显示直方图
  • kde：是否显示kde曲线
  • fit：可以调用method拟合直方图

• kdeplot() 类似distplot的kde部分，只是更方便做阴影

• jointplot() 绘制联合分布，默认为散点图，通过设置kind可以更改图的属性

  "hex"：Hexbin “kde": KDE “reg”:regression line

• heatmap() 绘制热点图
• pairplot()

转载于:https://www.cnblogs.com/KningTG/p/8443465.html