关于Pathon的绘图库的认识和基本操作的学习 这里学习了两款常用便捷的绘图库去学习使用
Matplotlib
介绍
是最受欢迎的一种数据可视化包 是常用的2D绘图库 一般常于Numpy和Pandas使用 是数据分析中非常重要的工具
可以自定义XY轴 绘制线形图 柱状图 直方图 密度图 散点图 更清晰的展示数据
基本绘图
x x 为绘制做坐标点 ls 为线型linestyle lw为线宽linewidth lable为标签文本内容 color为颜色 marker为标记
| ls | - 实线 : 点虚线 --破折线 -.点划线 |
| color | r 红 g 绿 y 黄 k 黑 w 白 |
| marker | . 点 ，像素点 o 实心圆 v 下三角 * 星星 |
# 绘制直线图
import matplotlib.pyplot as plt
x = [1,2,3,4,5]
y = [2,4,6,8,10]
plt.plot(x,y,color="r",ls="--")
plt.show()使用
设置网格
import numpy as np # 设置网格
plt.figure(figsize=(6,3),dpi=100)
x = np.linspace(0,2*np.pi)
y = np.sin(x)
plt.plot(x,y)
plt.grid() # 设置网格
绘制多线
import numpy as py # 绘制多条线 设置画布背景
plt.figure(figsize=(6,3),dpi=100) # 设置画布的长宽和分辨率
x = np.linspace(0,2*np.pi)
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y)
# plt.show() # 立刻绘图 只绘制xy的图像
plt.plot(x,z)
# 创建数据
x = np.linspace(0,10,100)
y1 = np.sin(x)
y2 = np.cos(x)# 绘制图形
plt.plot(x,y1,label='Sin Function',color="y",ls="-.") # 第一个数据系列
plt.plot(x,y2,label='Cos Function')# 显示图例
plt.legend()# 显示图形
plt.show()
多图布局
#%%
%matplotlib inline
# 若不显示图片 则加上
import matplotlib.pyplot as plt
plt.rcParams['front.sans-serif'] = ['SimHei'] # 用于正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用于正常显示负号
#%%
# 绘制直线图
import matplotlib.pyplot as plt
x = [1,2,3,4,5]
y = [2,4,6,8,10]
plt.plot(x,y,color="r",ls="--")
plt.show()
#%%
import numpy as np # 设置网格
plt.figure(figsize=(6,3),dpi=100)
x = np.linspace(0,2*np.pi)
y = np.sin(x)
plt.plot(x,y)
plt.grid() # 设置网格
#%%
import numpy as py # 绘制多条线 设置画布背景
plt.figure(figsize=(6,3),dpi=100) # 设置画布的长宽和分辨率
x = np.linspace(0,2*np.pi)
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y)
# plt.show() # 立刻绘图
plt.plot(x,z)
#%%
# 多图布局
import matplotlib.pyplot as plt
import numpy as np# 创建数据
x = np.linspace(0,10,100)
y1 = np.sin(x)
y2 = np.cos(x)# 创建一个2*2的子图布局
plt.figure(figsize=(10,6)) # 设置整个图的大小# 第一个子图
plt.subplot(2,2,1) # 第一个子图位于2*2布局的第一个位置
plt.plot(x,y1,'r-') # 绘制曲线
plt.title('Sin Function') # 设置标题# 第二个子图
plt.subplot(2,2,2) # 第二个子图的第二个位置
plt.plot(x,y2,'b-') # 设置cos曲线
plt.title('Cos Function')# 第三个子图
plt.subplot(2,2,3)
plt.plot(x,y1 + y2,'h-')
plt.title('Sin + Cos Function')# 第四个子图
plt.subplot(2,2,4)
plt.plot(x,y1 - y2,'r-')
plt.title('Sin - Cos Function')# 调整子图之间的间距
plt.tight_layout()# 显示图形
plt.show()
图形嵌套
# 图形嵌套
import numpy as np
import matplotlib.pyplot as plt# 创建数据
x = np.linspace(0,10,100)
y = np.sin(x)# 创建外层图形
fig = plt.figure(figsize=(8,6))# 在外层图形中创建嵌套的子图
plt.plot(x,y,'b-')
plt.title('Main Plot')# 创建嵌套的子图
left,bottom, width,height = [0.4,0.5,0.25,0.25]
axes = fig.add_axes([left,bottom,width,height]) # 创建一个新的坐标轴
axes.plot(x,y,'r-',label = 'sin Function (Inset)')
plt.title('Inset Plot')# 显示图例
plt.legend()# 显示图形
plt.show()
调整刻度和标签
import numpy as np
import matplotlib.pyplot as plt# 创建数据
x = np.linspace(0,10,100)
y = np.sin(x)# 绘制图形
plt.plot(x,y,label = 'Sin Function')
plt.title('修改刻度')# 修改X轴和Y轴的刻度
plt.xticks(np.arange(0,11,1)) # 设置刻度和步长
plt.yticks([-1,0,1])# 添加标签
plt.xlabel('x')
plt.ylabel('y')plt.legend()
plt.show()
保存图片
import numpy as np
import matplotlib.pyplot as pltx = np.linspace(0,10,100)
y = np.sin(x)plt.plot(x,y,label = 'Sin Function')# 标签
plt.title('Plot Example')
plt.xticks(np.arange(0,11,1))
plt.yticks([-1,0,1])
plt.legend()plt.savefig('plot_example.png')
plt.show()
绘制折线图
plt.figure(figsize=(10,6))x = df.index # 获取月份作为x轴数据
y1 = df['语文']plt.plot(x,y1,marker='o',color='r',ls='--',label='语文')plt.title('张三成绩月变化情况')
plt.xlabel('月份')
plt.ylabel('分数')
plt.legend()
plt.grid(True) # 网格线plt.xticks(rotation = 45) # x轴刻度标签的角度旋转为45度
plt.tight_layout()
plt.show()
多个柱状图
# 绘制多个柱状图
import numpy as np
import matplotlib.pyplot as plt# 读取 Excel 表格数据
excel_file = '张三成绩.xlsx'
df = pd.read_excel(excel_file)# 绘制图像
plt.figure(figsize=(10,6))months = df.index
x = range(len(months))# 设置柱状图的宽度
bar_width = 0.25plt.bar(x,df['语文'],width=bar_width,align='center',label='语文',color='skyblue')
plt.bar([i + bar_width for i in x],df['英语'],width=bar_width,align='center',label='数学',color='r')
plt.bar([i + 2 * bar_width for i in x],df['英语'],width=bar_width,align='center',color='b')plt.title('成绩月变化情况')
plt.xlabel('月份')
plt.ylabel('分数')# 设置X轴刻度标签
plt.legend()# 显示图形
plt.tight_layout()
plt.show()绘制散点图
import numpy as np
import matplotlib.pyplot as pltnp.random.seed(0)
height = np.random.normal(loc=170,scale=10, size=100)
weight = 0.6 * height + np.random.normal(loc=0,scale=5,size=100)plt.figure(figsize=(10,6))
plt.scatter(height,weight,color='r',alpha=0.7)plt.title('身高与体重关系散点图')
plt.xlabel('身高')
plt.ylabel('体重')plt.grid(True)
plt.tight_layout()
plt.show()
绘制饼图
import numpy as np
import matplotlib.pyplot as pltexcel_file = '张三成绩.xlsx'
df = pd.read_excel(excel_file)plt.figure(figsize=(10,6))plt.pie(df['语文'],startangle=90) # startangle 绘制的起始位置plt.title('成绩情况')plt.show()
Search
介绍
在Matplotlib的基础上进行了更高级的封装 使用极简的代码做出具有分析价值且十分美观的图形 而且也支持Pyhon的其他库
可以绘制 折线图 散点图（分类图）分类分布图 分类统计图 线性回归图 热力图
风格设置
white | 纯白 |
whitegrid | 带有网格的纯白 |
dark | 灰色 |
darkgrid | 带网格灰色 |
| ticks | 白色 轴上有刻度条 |
函数参数使用
| 函数类型 | 函数名称 | 主要参数 | 使用场景 | 示例代码 |
|---|---|---|---|---|
| 分布类 | displot()(通用分布图) | kind: 指定类型(hist/kde/ecdf)data: 数据集x/y: 变量hue: 分组变量rug: 显示分布密度 | 单变量分布分析 数据分布形状探索 | sns.displot(data=tips, x="total_bill", kind="kde", hue="time") |
| 分布类 | histplot()(直方图) | bins: 箱数kde: 叠加密度线stat: 统计方式(count/density)multiple: 分组叠放方式 | 数值变量分布探索 统计频次分析 | sns.histplot(data=tips, x="tip", bins=20, kde=True, hue="sex") |
| 关系类 | scatterplot()(散点图) | x/y: 变量坐标size: 点大小style: 点形状alpha: 透明度palette: 色板 | 双变量关系探索 相关性可视化 | sns.scatterplot(data=iris, x="sepal_length", y="petal_length", hue="species", size="petal_width") |
| 关系类 | lineplot()(折线图) | sort: 是否排序markers: 显示标记ci: 置信区间style: 线型分组 | 时间趋势分析 序列变化对比 | sns.lineplot(data=flights, x="year", y="passengers", hue="month", ci=None) |
| 分类类 | barplot()(条形图) | estimator: 聚合函数(mean/sum)ci: 置信区间order: 类目顺序capsize: 误差线帽宽 | 分类变量聚合比较 均值差异分析 | sns.barplot(data=titanic, x="class", y="fare", hue="sex", estimator=np.mean) |
| 分类类 | boxplot()(箱线图) | orient: 方向(v/h)notch: 凹口fliersize: 离群点大小width: 宽度 | 数据分布对比 异常值检测 | sns.boxplot(data=penguins, x="species", y="body_mass_g", hue="sex", notch=True) |
| 分类类 | violinplot()(小提琴图) | inner: 内部图(quartiles/stick)split: 分组合并bw: 核密度带宽 | 比较数据分布形状 概率密度可视化 | sns.violinplot(data=penguins, x="island", y="bill_length", hue="sex", inner="stick", split=True) |
| 矩阵类 | heatmap()(热力图) | annot: 显示数值fmt: 数值格式cbar: 显示色标linewidths: 网格线宽vmin/vmax: 值域范围 | 相关性分析 交叉表可视化 | sns.heatmap(data=corr_matrix, annot=True, fmt=".2f", cmap="coolwarm") |
| 矩阵类 | clustermap()(聚类热力图) | row_colors: 行标签色method: 聚类方法metric: 距离算法z_score: 标准化 | 聚类分析 分组可视化 | sns.clustermap(data=iris, method="ward", z_score=0, cmap="viridis") |
| 网格类 | FacetGrid()(分面网格) | col/row: 分面维度col_wrap: 换行数height/aspect: 子图尺寸share{x/y}: 坐标轴共享 | 多维度分析 数据集子集探索 | g = sns.FacetGrid(tips, col="time", row="smoker")<br>g.map(sns.scatterplot, "total_bill", "tip") |
| 网格类 | pairplot()(变量关系矩阵) | diag_kind: 对角线图类型plot_kws: 子图参数corner: 只显示下三角kind: 关系类型(scatter/kde) | 多变量关系探索 数据集快速概览 | sns.pairplot(data=iris, hue="species", diag_kind="hist", corner=True) |
核心参数
| 参数 | 描述 | 示例值 |
|---|---|---|
data | 输入数据源 | DataFrame/tables/arrays |
x/y | 坐标轴变量 | 列名 (如："total_bill") |
hue | 分组变量 | 分类列名 (如："sex") |
palette | 调色板 | "viridis", "mako", "Set2" |
size | 尺寸变量 | 连续变量列名 |
alpha | 透明度 | 0-1值 (0.5表示半透明) |
legend | 图例 | "auto"(默认)/True/False |
ax | matplotlib轴对象 | 用于在已有图形上绘制 |
使用
折线图（使用库自带的测试数据集）
import seaborn as sns
test_data = sns.load_dataset('fmri')
print(test_data.head())sns.relplot(x="timepoint",y="signal",kind="line",data=test_data)
折线图（事件区分）
import seaborn as sns
test_data = sns.load_dataset('fmri')
print(test_data.head())sns.relplot(x="timepoint",y="signal",kind="line",hue="event",data=test_data)
分图展示
import seaborn as sns
test_data = sns.load_dataset('fmri')
print(test_data.head())sns.relplot(x="timepoint",y="signal",kind="line",hue="event",col="event",data=test_data)
散点图（分类图）
titanic = sns.load_dataset('titanic')
sns.relplot(x="age",y="fare",data=titanic)
sns.catplot(x="pclass",y="fare",data=titanic) # 用作做分类
箱形图
sns.boxplot(x="pclass",y="fare",data=titanic)
条形图
sns.barplot(x="pclass",y="fare",data=titanic) # 条形图
计数图
sns.countplot(x="pclass",data=titanic)
sns.set_style("whitegrid") # 绘图风格设置
调色板
# 调色板
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用于正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用于正常显示负号
plt.figure(figsize=(10,10))
planets = sns.load_dataset('planets')
sns.barplot(x="year",y="number",data=planets,palette="rainbow")
线性关系图
sns.regplot(x="age",y="fare",data=titanic)
热力图
# 热力图
flights = sns.load_dataset('flights')# 将长格式转换为宽格式数据，以便于绘制热力图
f = flights.pivot(index="month",columns="year",values="passengers")# 绘制热力图
plt.figure(figsize=(10,10))
sns.heatmap(f,annot=True,fmt='d',cmap='YlGnBu')
plt.title("Flights Passenger Count By Year ans Month")
plt.xlabel("Year")
plt.ylabel("Month")
plt.show()
相关系数矩阵的热力图
plt.figure(figsize=(10,10))
sns.heatmap(f.corr(),annot=True,cmap='coolwarm')
学习时间 2025.07.20
)
