【AI程设】matplotlib 与 seaborn

内容来源于 北京交通大学 计算机学院 人工智能专业 大二专业课 人工智能程序设计

matplotlib 基础

设置中文

plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False

基本参数

• p1 = plt.figure(figsize = (n, m)) 创建一张画布

• ax = p1.add_subplot(a, b, cnt) 注意，在这张画布上的画图的话，之后所有的 a 与 b 都要相同。相当于把画布分成了 a * b 份

• plt.title('...') 添加标题

• plt.xlim((c, d)) plt.tlim((c, d)) x 与 y 的范围

• plt.xticks(ticks = [...], labels = [...]) plt.yticks([x, y, z]) 确定两轴刻度与对应标签

• plt.xlabel('...') plt.tlabel('...') 确定两轴名称

• plt.plot(data_x, data_y) 在两轴上绘制图形

• plt.legend(['...', '...', ...]) 自动确定图例

• plt.show() 展示绘制好的图形

import matplotlib.pyplot as plt
import numpy as np

# 最简单的画图可以省略这一部分
p1 = plt.figure(figsize = (10, 10))

# 第一个子图
ax1 = p1.add_subplot(2, 2, 1)

# 添加图例一定要在绘制图形之后
data = np.arange(0, 1.1, 0.01)
plt.title('lines') ## 添加标题
plt.xlabel('x')## 添加x轴的名称
plt.ylabel('y')## 添加y轴的名称
plt.xlim((0, 1))## 确定x轴范围
plt.ylim((0, 1))## 确定y轴范围
plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1])## 规定x轴刻度
plt.yticks([0, 0.2, 0.4, 0.6, 0.8, 1])## 确定y轴刻度
plt.plot(data, data ** 2)## 添加y=x^2曲线
plt.plot(data, data ** 4)## 添加y=x^4曲线
plt.legend(['y = x^2','y = x^4']) # 指定当前图形的图例

# 第二个子图
ax2 = p1.add_subplot(2, 2, 2)

data2 = np.arange(0, 100, 0.01)
plt.title("test 02")
plt.xlabel("x2")
plt.ylabel("y2")
plt.xlim((0, 100))
plt.ylim((0, 100))
plt.xticks([0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100])
plt.yticks([0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100])
plt.plot(data2, data2)
plt.plot(data2, data2 ** 3)
plt.legend(['y = x', 'y = x^3'])

散点图

• 反应特征间的统计关系，通常用于跨类别的数据

• plt.scatter(x, y, ...)

折线图

• 查看变量间的改变趋势

• plt.plot(x, y, ...)

plt.plot(values[:, 0], values[:, 2], color = 'r', linestyle = '--', marker = 'o') # 绘制点线图

直方图

• plt.bar(x, y, width = ..., color = ..., ...)

饼图

• plt.pie(x, explode = None, labels = None, colors = None, autopct = None, ...)

• explode = [...] 接收 array 表示指定项离饼图圆心为 n 个半径。

plt.figure(figsize = (6, 6)) # 将画布设定为正方形，则绘制的饼图是正圆
label = ['第一产业', '第二产业', '第三产业'] # 定义饼状图的标签，标签是列表
explode = [0.01, 0.01, 0.01] # 设定各项离心n个半径
plt.pie(values[-1, 3:6], explode = explode, labels = label, autopct = '%1.1f%%') # 绘制饼图
plt.title('2017年第一季度各产业国民生产总值饼图')
plt.savefig('2017年第一季度各产业生产总值占比饼图')
plt.show()

箱线图

• 箱线图利用数据中的五个统计量（最小值、下四分位数、中位数、上四分位数和最大值）

• plt.boxplot(x, notch = True, labels = label, meanline = True, ...)

• notch = ... 中间箱体是否有缺口

• labels = [...] 指定每一个箱线图的标签

• meanline = ... 表示是否显示均值线

label = ['第一产业', '第二产业', '第三产业']## 定义标签
gdp = (list(values[:,3]), list(values[:,4]), list(values[:,5]))
plt.figure(figsize = (6, 4))
plt.boxplot(gdp, notch = True, labels = label, meanline = True)
plt.title('2000-2017各产业国民生产总值箱线图')
plt.show()

seaborn 基础

import seaborn as sns

sns.set_theme(font = 'SimHei')

直方图与核密度曲线

• sns.histplot(data, ax = ..., kde = ...)

• ax = ... 是第几张图

• kde = boolean 是否绘制核密度曲线

for idx, col in enumerate(numeric_cols):
    ax = p4.add_subplot(3, 4, idx+1)
    sns.histplot(data[col], ax=ax, kde=True)

变量间相关分析

• DataFrame 自带 .corr() 来计算相关系数

corr = data[numeric_cols].corr()

• 使用热力图来查看相关系数

• plt.heatmap(data, annot = ..., cmap = 'coolwarm', fmt = ',2f')

• annot = boolean 是否在热力图中的每个格内显示数值

• cmap = '...' 指定颜色风格

• fmt = ... 数值风格，小数…

# 绘制相关系数图
p6 = plt.figure(figsize = (8, 6), dpi = 120)
sns.heatmap(corr, annot = True, cmap = 'coolwarm', fmt = '.2f', linewidths = 0.5)