标签：set Python data ax1 绘图 fig plt import 快速
准备工作
使用Python绘图首先需要导入需要的库，并确保中文和负号的正常显示
import os
import xlrd
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib.ticker as ticker
plt.rcParams['font.family'] = ['SimHei'] # plt正常显示中文
plt.rcParams['axes.unicode_minus'] = False # plt正常显示负号
sns.set_style({'font.sans-serif':['SimHei']}) # seaborn正常显示中文
如何你是mac系统，设置sns.set_style({'font.sans-serif':['SimHei']})并不一定能够保证你的中文能正常显示，你可以按照这篇文章的方法让中文正常显示。
准备好你的环境以后，我们开始一些简单常用的绘图示例
堆积条形图
数据准备
data = pd.DataFrame(
data=[
['一年级',4,'male'],
['一年级',5,'female'],
['二年级',12,'male'],
['二年级',24,'female'],
['三年级',13,'male'],
['三年级',25,'female'],
],
columns=list('ABC')
)
绘图代码
fig = plt.figure(figsize=(6,3), dpi=150)
ax1 = fig.add_subplot(1,1,1)
sns.histplot(x='A', weights='B',data=data, hue='C', ax=ax1,
shrink = 0.7, multiple='stack',palette='Blues', )
ax1.set_xlabel('年级')
ax1.set_ylabel('累计人数')
ax1.set_title('不同年级男女比例分布人数分布')
其中x指定的是你图中的横轴，weights是你y轴统计量，hue是分类。
双轴图
数据准备
x = np.linspace(-10,10,100)
y = np.sin(x)
z = x*x
data = pd.DataFrame([x,y,z]).T
data.columns = ['x','y','z']
绘图代码
fig = plt.figure(figsize=(6,3), dpi=150)
ax1 = fig.add_subplot(1,1,1)
ax1_twinx = ax1.twinx()
ax1.plot(data['x'], data['y'], c='r', label='sin(x)')
ax1_twinx.plot(data['x'], data['z'], c='b', label='cos(x)')
# 显示label
ax1.legend(loc='upper left')
ax1_twinx.legend(loc='upper right')
配色的话可以参考slandarer的高质量论文配图配色（附RGB值及16进制码）
我列几个可以取的配色#8ECFC9、#FFBE7A、#FA7F6F、#82B0D2。
多子图
绘图代码
fig = plt.figure(figsize=(6,4), dpi=200)
# 分配幕布
ax1 = fig.add_subplot(2,1,1)
ax2 = fig.add_subplot(2,1,2)
ax1.plot(data['x'], data['y'], c='#8ECFC9', label='sin(x)')
ax2.plot(data['x'], data['z'], c='#FFBE7A', label='cos(x)')
fig.tight_layout() # 防止重叠
相关系数热力图
最常见的热力图在seaborn的heatmap中有详细的示例，实现也比较简单，大家可以姐直接按照seaborn官方文档中的代码实现
圆圈热力图在python的实现相对要麻烦一点，圆圈热力图在seaborn上有example，链接在这
首先读取数据
import seaborn as sns
sns.set_theme(style="whitegrid")
# Load the brain networks dataset, select subset, and collapse the multi-index
df = sns.load_dataset("brain_networks", header=[0, 1, 2], index_col=0)
如果出现错误一般是网络的原因，可以到mwaskom/seaborn-data
直接下载对应的文件，从本地读取
df = pd.read_csv('brain_networks.csv', header=[0, 1, 2], index_col=0)
计算相关系数矩阵
used_networks = [1, 5, 6, 7, 8, 12, 13, 17]
used_columns = (df.columns
.get_level_values("network")
.astype(int)
.isin(used_networks))
df = df.loc[:, used_columns]
df.columns = df.columns.map("-".join)
# Compute a correlation matrix and convert to long-form
corr_mat = df.corr().stack().reset_index(name="correlation")
corr_mat
计算的结果如图，数据的样式是long-form的，原因是圆圈日历图实际上是通过散点图的形式实现的，所以需要每个点的横纵坐标，而correlation则是圆圈的大小
# Draw each cell as a scatter point with varying size and color
g = sns.relplot(
data=corr_mat,
x="level_0",
y="level_1",
hue="correlation",
size="correlation",
palette="vlag", # 设置调色板
hue_norm=(-1, 1), # 将颜色区间归一化，改变该参数可以调整圆圈的颜色
edgecolor=".7",
height=10,
sizes=(50, 250), # 调整最大和最小的圆圈的大小
size_norm=(-.2, .8), # 将size归一化
)
# Tweak the figure to finalize
g.set(xlabel="", ylabel="", aspect="equal") # 隐藏xlabel和ylabel
g.despine(left=True, bottom=True) # 隐藏刻度
g.ax.margins(.02) # 修改margin
for label in g.ax.get_xticklabels():
label.set_rotation(90) # 旋转坐标
# for artist in g.legend.legendHandles:
# artist.set_edgecolor(".7")
标签：set,Python,data,ax1,绘图,fig,plt,import,快速 来源： https://blog.csdn.net/liangju_ld/article/details/122718584
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。