python 시각 화 분석의 실현(matplotlib,seaborn,ggplot 2)

matplotlib 라 이브 러 리
1.기본 그림 그리 기 명령

import matplotlib.pyplot as plt
plt.figure(figsize=(5,4)) #      
plt.rcParams['axes.unicode_minus']=False #      
plt.rcParams['font.sans-self']=['Kai Ti'] #    ，     ，SimHei    

#     
plt.bar(x,y);plt.pie(y,labels=x);plt.plot(x,y);
plt.hist(df.  ) #   density=True       

3.도형 매개 변수 설정
색상:plt.plt.plt(x,y,c='red')\#매개 변수 c 제어 색상
가로 좌표 축 범위:plt.xlim(0,100),plt.ylim(0,8)
가로 좌표 축 이름:plt.xlabel(),plt.ylabel()
가로 좌표 축 눈금:plt.xticks(range(len(x)),x)
선형 과 기호:plt.plt.plt(x,y,linestyle='C',marker='o')\#실선:'-';점선:'C';'지시 선
추가 참고 선:plt.axvline(x=1);plt.axhline(y=4)
텍스트 표시:plt.text(3,5,'peak point')\#매개 변 수 는 좌표+텍스트
그림:plt.plt.plt(x,y,label='접 는 선');plt.legend()
분할 그림:

#    
plt.subplot(121)
plt.bar(x,y)
plt.subplot(122)
plt.plot(x,y)
#    
fig,ax=plt.subplots(2,2,figsize=(15,12)) # 2 2  4  ，figsize    
ax[0,0].bar(x,y);ax[0,1].plot(x,y);
ax[1,0].pie(x,y);ax[1,1].plot(y,'.',linewidth=3)

구체 적 인 매개 변수 color,linestyle,그림 위치 설정
색상 문자(색상)
문자
대표 색
r
빨강
b
파란색
g
그린/그린
w
하양
c
청색
m
양홍색
y
노랗다
k
까만색
스타일 문자(linestyle)
문자
대표 적 인 풍격
-(하이픈)
실선
C(두 개의 하이픈)
점선
-.
점선
：
점선
' '
비우다
loc 매개 변수(matplotlib 에 그림 을 추가 하 는 예 를 들 어 위 치 를 설명 합 니 다)
loc string
loc code
위치.
"best"
0
오른쪽 상단(기본)
“upper right”
1
오른쪽 상단
“upper left”
2
왼쪽 상단
“lower left”
3
왼쪽 아래
“lower right”
4
오른쪽 아래
"right"
5
중 오른쪽
“center left”
6
중 좌측
“center right”
7
중 오른쪽
“low center”
8
중하 방
“upper center”
9
중 위쪽
“center”
10
가운데
4.특수 통계 그림 그리 기
4.1 수학 함수 도

import matplotlib.pyplot as plt   #       
plt.rcParams['font.sans-serif']=['SimHei']; #SimHei  
plt.rcParams['axes.unicode_minus']=False; #        
import numpy as np #     numpy
import math  #     math
x=np.linspace(0,2*math.pi);x #  [0,2*pi]   ，       
plt.plot(x,np.sin(x)) #y=sinx     
plt.plot(x,np.cos(x)) #y=cosx     
plt.plot(x,np.log(x)) #y=lnx #    
plt.plot(x,np.exp(x)) #y=e^x     

수학 함수 도 pandas 라 이브 러 리 로 그 릴 수 있 습 니 다.제 다른 블 로그:글 링크 를 자세히 볼 수 있 습 니 다.

#    
t=np.linspace(0,2*math.pi) 
x=3*np.sin(t); 
y=5*np.cos(t) 
plt.plot(x,y); 
plt.text(0,0,r'$\frac{x^2}{3^2}+\frac{y^2}{5^2}=1$',fontsize=20) #python   LATEX   ，           

4.2 기포 도

import pandas as pd
df=pd.read_excel('data.xlsx')
plt.scatter(df['  '], df['  '], s=df['  ']) #              ，   s=df['  ']            ，      

4.3 3 차원 곡면 도

from mpl_toolkits.mplot3d import Axes3D 
fig = plt.figure() 
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.5) 
Y = np.arange(-4, 4, 0.5) 
X, Y = np.meshgrid(X, Y)
Z = (X**2+ Y**2)
ax.plot_surface(X, Y, Z) #         z=x^2+y^2

둘째,seaborn 창고
1.상용 통계 도
1.1 박스 선도

import seaborn as sns #     seaborn
#   
sns.boxplot(x=df['  '])
#       ，     x    y
sns.boxplot(y=df['  ']) 
#       
sns.boxplot(x='  ', y='  ',data=df) #           

1.2 바이올린

sns.violinplot(x='  ', y='  ', data=df) #      ，          hue

1.3 점도

sns.stripplot(x='  ', y='  ', data=df, jitter=True) #     （  +  ）    ,jitter   True        ，   false

1.4 개의 그림 과 계수 도

#  ，    
sns.barplot(x='  ', y='  ', data=df, ci=0, palette="Blues_d") #palette      
#   
sns.countplot(x='  ', hue="  ", data=df) #      

1.5 분 구성 도

#   、         ,aspect     
sns.factorplot(x='  ', col="  ", col_wrap=3, data=df, kind="count", size=2.5, aspect=.8) 

1.6 확률 분포 도

#displot：   +    ,bins      ，kde=False         ,rug             
sns.distplot(df['  '], kde=True, bins=20, rug=True)

#           
def norm_sim2(N=1000,n=10):
 xbar=np.zeros(N)
 for i in range(N):
  xbar[i]=np.random.uniform(0,1,n).mean()#[0,1]        
 sns.distplot(xbar,bins=50)
 print(pd.DataFrame(xbar).describe().T)
norm_sim2(N=100000,n=50) 

2.연합 도

sns.jointplot(x='  ', y='  ', data=df)#     +        

3.짝 짓 기 그림

#      ,    ，    
sns.pairplot(df[['  ','  ','  ']]) #             ，           

3.ggplot 라 이브 러 리
ggplot 라 이브 러 리 는 회화 에서 그림 층 의 사상 을 사용 합 니 다.즉,한 층 한 층 위로 중첩 하고 좌 표를 먼저 그리고 선 을 더 한 다음 에 다른 조작 을 추가 합 니 다.마지막 으로+번호 로 연결 하여 조작 하면 더욱 논리 적 이 고 문장 이 간결 합 니 다.ggplot 새 패 키 지 는 plotnine 으로 R 언어의 ggplot 2 와 대응 하여 사용 하기에 더욱 편리 하기 때문에 직접 import plotnine 을 사용 하면 됩 니 다.안의 함수 사용 은 ggplot 와 기본적으로 같 습 니 다.
1.그림 그리 기+상용 도형
직각 좌표계 와 글꼴 그리 기

GP=ggplot(aes(x='  ',y='  '),data=df)

이 기초 위 에 선 도 를 늘리다

GP + geom_line()+ theme_grey(base_family = 'SimHei')#        ，+geom_point()              

세 개의 변수 가 있 는 점 그림 으로 바 꾸 고 유형 에 따라 기호(shape)/색상(color)을 그립 니 다.

ggplot(df,aes(x='  ',y='  ',color='  '))+geom_point()+ theme_grey(base_family = 'SimHei')

분 면도 로 변경:
pandas 로 그룹 통계 도 를 그 리 려 면 먼저 groupby 가 필요 합 니 다.ggplot 가 한 걸음 에 도착 하 는 것 이 더욱 간편 합 니 다.

ggplot(df,aes(x='  ',y='  '))+geom_point()+facet_wrap('  ') + 
theme_grey(base_family = 'SimHei') #facet_wrap('  ')             

이외에+themebw()등 그림 배경,테마 설정 가능
2.빠 른 그림 그리 기
ggplot 도 pandas 처럼 qplot 함수 에서 매개 변수 geom 의 값 을 설정 하여 이미지 형식 을 직접 변경 할 수 있 습 니 다.

#       
qplot(x='  ',data=df, geom='histogram')+ theme_grey(base_family = 'SimHei')
#       
qplot('  ',data=df, geom='bar')+ theme_grey(base_family = 'SimHei')
#     
qplot('  ', '  ', data=df, color='  ') + theme_grey(base_family = 'SimHei')

이상 은 을 바탕 으로 정리 한 학습 노트 입 니 다.그리고 많은 매개 변수 설정 이 명시 되 지 않 았 고 pyecharts 동적 그림 신기 도 있 습 니 다.나중에 조금 더 보충 하 는 것 을 배 웠 습 니 다.
python 시각 화 분석의 실현(matplotlib,seaborn,ggplot 2)에 관 한 이 글 은 여기까지 소개 되 었 습 니 다.더 많은 관련 python 시각 화 내용 은 우리 의 이전 글 을 검색 하거나 아래 의 관련 글 을 계속 찾 아 보 세 요.앞으로 많은 응원 바 랍 니 다!