? ?

技巧1: plt.subplots()

技巧2: plt.subplot()

技巧3: plt.tight_layout()

技巧4: plt.suptitle()

數(shù)據(jù)集：

讓我們導(dǎo)入包并更新圖表的默認(rèn)設(shè)置，為圖表添加一點(diǎn)個(gè)人風(fēng)格。 我們將在提示上使用 Seaborn 的內(nèi)置數(shù)據(jù)集：

import?seaborn?as?sns?#?v0.11.2??
import?matplotlib.pyplot?as?plt?#?v3.4.2??
sns.set(style='darkgrid',?context='talk',?palette='rainbow')df?=?sns.load\_dataset('tips')??
df.head()

繪制多個(gè)子圖的一種簡(jiǎn)單方法是使用 plt.subplots() 。

這是繪制 2 個(gè)并排子圖的示例語法：

fig,?ax?=?plt.subplots(nrows=1,?ncols=2,?figsize=(10,4))??
sns.histplot(data=df,?x='tip',?ax=ax[0])??
sns.boxplot(data=df,?x='tip',?ax=ax[1]);

在這里，我們?cè)谝粋€(gè)圖中繪制了兩個(gè)子圖。 我們可以進(jìn)一步自定義每個(gè)子圖。

?例如，我們可以像這樣為每個(gè)子圖添加標(biāo)題：

fig,?ax?=?plt.subplots(1,?2,?figsize=(10,4))??
sns.histplot(data=df,?x='tip',?ax=ax[0])??
ax[0].set\_title("Histogram")??
sns.boxplot(data=df,?x='tip',?ax=ax[1])??
ax[1].set\_title("Boxplot");

在循環(huán)中將所有數(shù)值變量用同一組圖表示：

numerical?=?df.select\_dtypes('number').columnsfor?col?in?numerical:??
?fig,?ax?=?plt.subplots(1,?2,?figsize=(10,4))??
?sns.histplot(data=df,?x=col,?ax=ax[0])??
?sns.boxplot(data=df,?x=col,?ax=ax[1]);

另一種可視化多個(gè)圖形的方法是使用 plt.subplot()，末尾沒有 s

?語法與之前略有不同：

plt.figure(figsize=(10,4))??
ax1?=?plt.subplot(1,2,1)??
sns.histplot(data=df,?x='tip',?ax=ax1)??
ax2?=?plt.subplot(1,2,2)??
sns.boxplot(data=df,?x='tip',?ax=ax2);

當(dāng)我們想為多個(gè)圖繪制相同類型的圖形并在單個(gè)圖中查看所有圖形，該方法特別有用：

plt.figure(figsize=(14,4))??
for?i,?col?in?enumerate(numerical):??
?ax?=?plt.subplot(1,?len(numerical),?i+1)??
?sns.boxplot(data=df,?x=col,?ax=ax)

我們同樣能定制子圖形。例如加個(gè)title

plt.figure(figsize=(14,4))??
for?i,?col?in?enumerate(numerical):??
?ax?=?plt.subplot(1,?len(numerical),?i+1)??
?sns.boxplot(data=df,?x=col,?ax=ax)???
?ax.set\_title(f"Boxplot?of?{col}")

通過下面的比較，我們能更好的理解它們的相似處與不同處熟悉這兩種方法很有用，因?yàn)樗鼈兛梢栽诓煌闆r下派上用場(chǎng)。

在繪制多個(gè)圖形時(shí)，經(jīng)常會(huì)看到一些子圖的標(biāo)簽在它們的相鄰子圖上重疊，

如下所示：

categorical?=?df.select\_dtypes('category').columnsplt.figure(figsize=(8,?8))??
for?i,?col?in?enumerate(categorical):??
?ax?=?plt.subplot(2,?2,?i+1)??
?sns.countplot(data=df,?x=col,?ax=ax)

頂部?jī)蓚€(gè)圖表的 x 軸上的變量名稱被剪掉，右側(cè)圖的 y 軸標(biāo)簽與左側(cè)子圖重疊.使用plt.tight_layout很方便

plt.figure(figsize=(8,?8))??
for?i,?col?in?enumerate(categorical):??
?ax?=?plt.subplot(2,?2,?i+1)??
?sns.countplot(data=df,?x=col,?ax=ax)???
plt.tight\_layout()

專業(yè) 看起來更好了。

真?zhèn)€圖形添加標(biāo)題：

plt.figure(figsize=(8,?8))??
for?i,?col?in?enumerate(categorical):??
?ax?=?plt.subplot(2,?2,?i+1)??
?sns.countplot(data=df,?x=col,?ax=ax)???
plt.suptitle('Category?counts?for?all?categorical?variables')??
plt.tight\_layout()

此外，您可以根據(jù)自己的喜好自定義各個(gè)圖。 例如，您仍然可以為每個(gè)子圖添加標(biāo)題。

到此這篇關(guān)于python繪圖 四個(gè)繪圖技巧的文章就介紹到這了，希望大家以后多多支持好二三四！