Python 数据可视化：seaborn displot 正态分布曲线拟合图代码注释超详解(放入自写库，一行代码搞定复杂细节绘图)

本文已在公众号 “ 数据分析与商业实践 ” 首发。关注一下~，更多商业数据分析案例源码等你来撩。后台回复 “displot” ，即可获取本文的案例示范与包含详细注释的源数据与源代码！

引言

  Python 的绘图功能非常强大，如果能将已有的绘图库和各种复杂操作汇总在一个自己写的库/包中，并实现一行代码就调用并实现复杂的绘图功能，那就更强大了。所以本博文只强调绘图代码的实现，绘图中的统计学知识(名义变量，数值变量，xx图与xx图的区别等等)与 Python 基础库操作(seaborn，matplotlib)并不会提及，不过也欢迎关注，后续会有更多更广更丰富的知识疯狂输出。

使用方法 & 实现效果

  夸张了吧，上面的这个破图也好意思叫复杂绘图？可能会有不少朋友这样想，可以理解，下面来拆解一下知识点与呈现绘图代码。

宏观来看

• 图片大小怎么弄的
• x，y 轴的坐标我也没看你设置啊，怎么自动就标好了
• 图片的颜色还是蛮柔和的嘛，淡蓝色(废话，经典 R 语言的三配色淡蓝，浅紫，浅绿之一，美丽值大增)
• 同等条件的正态曲线怎么生成的？黑色对比起来也不错

细节来看

• 图例生成得恰到好处啊，位置摆放也不错
• 边框怎么隐去得这么完美，让我的视野更加聚焦了，欸左上右三边的边框都去掉了欸
• x 轴好像也不错，没有紧紧贴住图形，而是向下偏移了一点
• 背景的网格线让我能更好的比对数据了欸

纳米细节来看

• 我以前听说 seaborn 绘图在生成中文方面会有困难，有时候坐标轴如果是负数的话会生成 bug 框框，这个怎么解决呢？
• 整体绘图背景好像也可以调整，比如图中的是 seaborn 经典的白色网格底，好像还可以调成 R 语言绘图风格的 ggplot，其他阴影什么的
• 坐标轴，图例，标题等等的字体设置也有玄机，字号和样式的选择难道也不用设置嘛？

  上面是我暂时所能想到的细节，其实都封装在自己写好绘图库 myplots 中了。但绘图代码并不是自己创作的，而是从前人和各种大神的代码中学习并积累下来的，为了画出一幅还比较完美的图，已经踩过无数的坑了。

代码展示！！

  代码中的注释已经非常非常详细了！希望能够帮你规避画图中的各种坑

# ===================== 正态曲线比较 ========================
# 基础绘图库
import matplotlib.pyplot as plt
import seaborn as sns
# %matplotlib inline
# 各种细节配置如 文字大小，图例文字等杂项
large = 22; med = 16; small = 12
params = {'axes.titlesize': large,
          'legend.fontsize': med,
          'figure.figsize': (16, 10),
          'axes.labelsize': med,
          'axes.titlesize': med,
          'xtick.labelsize': med,
          'ytick.labelsize': med,
          'figure.titlesize': large}
plt.rcParams.update(params) # 设置 matplotlib 的各种参数
plt.style.use('seaborn-whitegrid') # seaborn 主题
sns.set_style("white")
plt.rc('font', **{'family': 'Microsoft YaHei, SimHei'})  # 设置中文字体的支持
# sns.set(font='SimHei')  # 解决Seaborn中文显示问题，但会自动添加背景灰色网格
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

import scipy.stats as stats # 统计学库
from scipy.stats import norm  # 用于拟合正态分布曲线


def norm_comparision_plot(data, figsize=(12, 10), color="#099DD9",
                          ax=None, surround=True, grid=True):
    """
    function: 传入 DataFrame 指定行，绘制其概率分布曲线与正态分布曲线(比较)
    color: 默认为标准天蓝  #F79420:浅橙  ‘green’：直接绿色(透明度自动匹配)
    ggplot 经典三原色：'#F77B72'：浅红, '#7885CB'：浅紫, '#4CB5AB'：浅绿
    ax=None: 默认无需绘制子图的效果；  surround：sns.despine 的经典组合，
                                         默认开启，需要显式关闭
    grid：是否添加网格线，默认开启，需显式关闭                             
    """
    plt.figure(figsize=figsize) # 设置图片大小
    # fit=norm: 同等条件下的正态曲线(默认黑色线)；lw-line width 线宽
    sns.distplot(data, fit=norm, color=color, \
                 kde_kws={"color" :color, "lw" :3 }, ax=ax)
    (mu, sigma) = norm.fit(data)  # 求同等条件下正态分布的 mu 和 sigma
    # 添加图例：使用格式化输入，loc='best' 表示自动将图例放到最合适的位置
    plt.legend(['Normal dist. ($\mu=$ {:.2f} and $\sigma=$ {:.2f} )'. \
               format(mu, sigma)] ,loc='best')
    plt.ylabel('Frequency')
    plt.title("Distribution")
    if surround == True:
        # trim=True-隐藏上面跟右边的边框线，left=True-隐藏左边的边框线
        # offset：偏移量，x 轴向下偏移，更加美观
        sns.despine(trim=True, left=True, offset=10)
    if grid == True:
        plt.grid(True)  # 添加网格线

---

后记

  数据分析，商业实践，数据可视化，网络爬虫，统计学，Excel，Word, 社会心理学，认知心理学，行为科学，民族意志学 各种专栏后续疯狂补充。

  欢迎评论与私信交流！