python繪圖中有哪四個繪圖技巧

在可視化數據時，通常需要在單個圖形中繪制多個圖形。?例如，如果您想從不同的角度可視化相同的變量如：數字變量的并排直方圖和箱線圖，則多個圖形很有用。?在這篇文章中，分享了繪制多個圖形的4個簡單但實用的技巧。

推薦度：

點擊下載本文 文檔為doc格式

導讀在可視化數據時，通常需要在單個圖形中繪制多個圖形。?例如，如果您想從不同的角度可視化相同的變量如：數字變量的并排直方圖和箱線圖，則多個圖形很有用。?在這篇文章中，分享了繪制多個圖形的4個簡單但實用的技巧。

技巧1: plt.subplots()

技巧2: plt.subplot()

技巧3: plt.tight_layout()

技巧4: plt.suptitle()

數據集：

讓我們導入包并更新圖表的默認設置，為圖表添加一點個人風格。我們將在提示上使用 Seaborn 的內置數據集：

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()

技巧1: plt.subplots()

繪制多個子圖的一種簡單方法是使用 plt.subplots() 。

這是繪制 2 個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，我們在一個圖中繪制了兩個子圖。我們可以進一步自定義每個子圖。

?例如，我們可以像這樣為每個子圖添加標題：

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");

在循環中將所有數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]);

技巧2: plt.subplot()

另一種可視化多個圖形的方法是使用 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);

當我們想為多個圖繪制相同類型的圖形并在單個圖中查看所有圖形，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，因為它們可以在不同情況下派上用場。

技巧3: plt.tight_layout()

在繪制多個圖形時，經常會看到一些子圖的標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)

頂部兩個圖表的 x 軸上的變量名稱被剪掉，右側圖的 y 軸標簽與左側子圖重疊.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()

專業看起來更好了。

技巧4: plt.suptitle()

真個圖形添加標題：

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，您可以根據自己的喜好自定義各個圖。例如，您仍然可以為每個子圖添加標題。

到此這篇關于python繪圖四個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！