python绘制小提琴图_Python数据可视化

注：转载请注明出处

目录一、简述

二、matplotlib基础函数基本形式

figure和axes的关系

子图的绘制

导出矢量图三、Seaborn基础

四、绘图实例散点图

条形图

直方图

核密度图

箱线图

小提琴图

双变量关系图jointplot

回归图

pairplot 图

heatmap 图

一、简述

本文介绍基于pandas、matplotlib、seaborn库的Python数据可视化。pandas库是数据分析库，实现了一些基本的绘图方法。matplotlib和seaborn是Python中最常用的可视化工具，Python数据可视化一般是通过较底层的 Matplotlib 库和较高层的 Seaborn 库实现的。

Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。

那么Pandas与Seaborn之间有什么区别呢？其实两者都是使用了matplotlib来作图，但是有非常不同的设计差异。

在只需要简单地作图时直接用Pandas，但要想做出更加吸引人，更丰富的图就可以使用Seaborn；Pandas的作图函数并没有太多的参数来调整图形，所以你必须要深入了解matplotlib；Seaborn的作图函数中提供了大量的参数来调整图形，所以并不需要太深入了解matplotlib。

建议用以下几个步骤学习如何使用matplotlib：

1. 学习基本的matplotlib术语，尤其是什么是图和坐标轴

2. 始终使用面向对象的接口，从一开始就养成使用它的习惯

3. 用基础的pandas绘图开始你的可视化学习

4. 用seaborn进行更复杂的统计可视化

5. 用matplotlib来定制pandas或者seaborn可视化

matplotlib作图的基本组成如下图：

导入数据可视化需要的包

# 导入包

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

import warnings

warnings.filterwarnings('ignore')

# 为了在jupyter notebook内嵌网页中显示图形，可打开以下开关

# 如果没有打开开关，每次图形显示时要使用函数：plt.show()

%matplotlib inline

#解决中文显示问题

plt.rcParams['font.sans-serif']=['SimHei']

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

二、Matplotlib基础

1. 函数基本形式

Matplotlib画图函数一般为如下形式：

plt.图名(x, y, '颜色 marker 线型')

x = np.linspace(0, 2 * np.pi, 20)

plt.figure(figsize=(6, 4))# 新建一个图像，设置图像大小

plt.plot(x, np.sin(x), 'ro-', label='sinx')# 设置颜色、标记符号、线型、图例标签

plt.plot(x, np.cos(x), 'b*--', label='cosx')

plt.title('plot curve', fontsize=25)# 标题

plt.xlim(-1, 7)# x轴范围

plt.ylim(-1.5, 1.5)# y轴范围

plt.xlabel('x', fontsize=20)# x轴标签

plt.ylabel('y', fontsize=20)# y轴标签

plt.legend(loc='best')# 图例

plt.show()

2. figure和axes的关系

在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个，或者多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。每个Axes对象都是一个拥有自己坐标系统的绘图区域。

相应的，matplotlib有两种画图方式，pyplot方法和axes