Python数据可视化科技图表绘制系列教程（二）

目录

表格风格图

使用Seaborn函数绘图

设置图表风格

设置颜色主题

图表分面

绘图过程

使用绘图函数绘图

定义主题

分面1

分面2

---

【声明】：未经版权人书面许可，任何单位或个人不得以任何形式复制、发行、出租、改编、汇编、传播、展示或利用本博客的全部或部分内容，也不得在未经版权人授权的情况下将本博客用于任何商业目的。但版权人允许个人学习、研究、欣赏等非商业性用途的复制和传播。非常推荐大家学习《Python数据可视化科技图表绘制》这本书籍。

表格风格图

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors as mcolors
from matplotlib.patches import Rectanglenp.random.seed(19781101)			# 固定随机种子，以便结果可复现def plot_scatter(ax,prng,nb_samples=100):"""绘制散点图"""for mu,sigma,marker in [(-.5,0.75,'o'),(0.75,1.,'s')]:x,y=prng.normal(loc=mu,scale=sigma,size=(2,nb_samples))ax.plot(x,y,ls='none',marker=marker)ax.set_xlabel('X-label')ax.set_title('Axes title')return axdef plot_colored_lines(ax):"""绘制颜色循环线条"""t=np.linspace(-10,10,100)def sigmoid(t,t0):return 1/(1+np.exp(-(t-t0)))nb_colors=len(plt.rcParams['axes.prop_cycle'])shifts=np.linspace(-5,5,nb_colors)amplitudes=np.linspace(1,1.5,nb_colors)for t0,a in zip(shifts,amplitudes):ax.plot(t,a*sigmoid(t,t0),'-')ax.set_xlim(-10,10)return axdef plot_bar_graphs(ax,prng,min_value=5,max_value=25,nb_samples=5):"""绘制两个并排的柱状图。"""x=np.arange(nb_samples)ya,yb=prng.randint(min_value,max_value,size=(2,nb_samples))width=0.25ax.bar(x,ya,width)ax.bar(x+width,yb,width,color='C2')ax.set_xticks(x+width,labels=['a','b','c','d','e'])return axdef plot_colored_circles(ax,prng,nb_samples=15):"""绘制彩色圆形。"""for sty_dict,j in zip(plt.rcParams['axes.prop_cycle'](),range(nb_samples)):ax.add_patch(plt.Circle(prng.normal(scale=3,size=2),radius=1.0,color=sty_dict['color']))ax.grid(visible=True)# 添加标题以启用网格plt.title('ax.grid(True)',family='monospace',fontsize='small')ax.set_xlim([-4,8])ax.set_ylim([-5,6])ax.set_aspect('equal',adjustable='box')			# 绘制圆形return axdef plot_image_and_patch(ax,prng,size=(20,20)):"""绘制图像和圆形补丁。"""values=prng.random_sample(size=size)ax.imshow(values,interpolation='none')c=plt.Circle((5,5),radius=5,label='patch')ax.add_patch(c)# 移除刻度ax.set_xticks([])ax.set_yticks([])def plot_histograms(ax,prng,nb_samples=10000):"""绘制四个直方图和一个文本注释。"""params=((10,10),(4,12),(50,12),(6,55))for a,b in params:values=prng.beta(a,b,size=nb_samples)ax.hist(values,histtype="stepfilled",bins=30,alpha=0.8,density=True)# 添加小注释。ax.annotate('Annotation',xy=(0.25,4.25),xytext=(0.9,0.9),textcoords=ax.transAxes,va="top",ha="right",bbox=dict(boxstyle="round",alpha=0.2),arrowprops=dict(arrowstyle="->",connectionstyle="angle,angleA=-95,angleB=35,rad=10"),)return axdef plot_figure(style_label=""):"""设置并绘制具有给定样式的演示图。"""# 在不同的图之间使用专用的RandomState实例绘制相同的“随机”值prng=np.random.RandomState(96917002)# 创建具有特定样式的图和子图fig,axs=plt.subplots(ncols=6,nrows=1,num=style_label,figsize=(14.8,2.8),layout='constrained')# 添加统一的标题，标题颜色与背景颜色相匹配background_color=mcolors.rgb_to_hsv(mcolors.to_rgb(plt.rcParams['figure.facecolor']))[2]if background_color<0.5:title_color=[0.8,0.8,1]else:title_color=np.array([19,6,84])/256fig.suptitle(style_label,x=0.01,ha='left',color=title_color,fontsize=14,fontfamily='DejaVu Sans',fontweight='normal')plot_scatter(axs[0],prng)plot_image_and_patch(axs[1],prng)plot_bar_graphs(axs[2],prng)plot_colored_lines(axs[3])plot_histograms(axs[4],prng)plot_colored_circles(axs[5],prng)# 添加分隔线rec=Rectangle((1+0.025,-2),0.05,16,clip_on=False,color='gray')axs[4].add_artist(rec)# 保存图片plt.savefig(f'{style_label}.png', dpi=600)plt.close(fig)  # 关闭当前图形以避免内存占用过多if __name__=="__main__":# 获取所有可用的样式列表，按字母顺序排列style_list=['default','classic']+sorted(style for style in plt.style.availableif style !='classic' and not style.startswith('_'))# 绘制每种样式的演示图for style_label in style_list:with plt.rc_context({"figure.max_open_warning":len(style_list)}):with plt.style.context(style_label):plot_figure(style_label=style_label)plt.show()

表格风格图_bmh

表格风格图_classic

表格风格图_dark_background

表格风格图_default

表格风格图_fast

表格风格图_fivethirtyeight

表格风格图_ggplot

表格风格图_grayscale

表格风格图_petroff10

表格风格图_seaborn-v0_8

表格风格图_seaborn-v0_8-bright

表格风格图_seaborn-v0_8-colorblind

表格风格图_seaborn-v0_8-dark

表格风格图_seaborn-v0_8-darkgrid

表格风格图_seaborn-v0_8-dark-palette

表格风格图_seaborn-v0_8-deep

表格风格图_seaborn-v0_8-muted

表格风格图_seaborn-v0_8-notebook

表格风格图_seaborn-v0_8-paper

表格风格图_seaborn-v0_8-pastel

表格风格图_seaborn-v0_8-poster

表格风格图_seaborn-v0_8-talk

表格风格图_seaborn-v0_8-ticks

表格风格图_seaborn-v0_8-white

表格风格图_seaborn-v0_8-whitegrid

表格风格图_Solarize_Light2

表格风格图_tableau-colorblind10

使用Seaborn函数绘图

import seaborn as sns
import matplotlib.pyplot as plt# 加载数据集
iris=sns.load_dataset("iris",data_home='seaborn-data',cache=True)
tips=sns.load_dataset("tips",data_home='seaborn-data',cache=True)
car_crashes=sns.load_dataset("car_crashes",data_home='seaborn-data',cache=True)
penguins=sns.load_dataset("penguins",data_home='seaborn-data',cache=True)
diamonds=sns.load_dataset("diamonds",data_home='seaborn-data',cache=True)plt.figure(figsize=(15,8))				# 设置画布
# 第1幅图：iris数据集的散点图
plt.subplot(2,3,1)
sns.scatterplot(x="sepal_length",y="sepal_width",hue="species",data=iris)
plt.title("Iris scatterplot")# 第2幅图：tips 数据集的箱线图
plt.subplot(2,3,2)
tips=sns.load_dataset("tips",data_home='seaborn-data',cache=True)
sns.boxplot(x="day",y="total_bill",hue="smoker",data=tips)
plt.title("Tips boxplot")# 第3幅图：tips 数据集的小提琴图
plt.subplot(2,3,3)
sns.violinplot(x="day",y="total_bill",hue="smoker",data=tips)
plt.title("Tips violinplot")# 第4幅图：car_crashes 数据集的直方图
plt.subplot(2,3,4)
sns.histplot(car_crashes['total'],bins=20)
plt.title("Car Crashes histplot")# 第5幅图：penguins 数据集的点图
plt.subplot(2,3,5)
sns.pointplot(x="island",y="bill_length_mm",hue="species",data=penguins)
plt.title("Penguins pointplot")# 第6幅图：diamonds 数据集的计数图
plt.subplot(2,3,6)
sns.countplot(x="cut",data=diamonds)
plt.title("Diamonds countplot")plt.tight_layout()# 保存图片
plt.savefig('P75使用Seaborn函数绘图.png', dpi=600, transparent=True)
plt.show()

使用Seaborn函数绘图

设置图表风格

import seaborn as sns
import matplotlib.pyplot as pltsns.set_style("darkgrid")			# 设置图表风格为 darkgrid
iris=sns.load_dataset("iris")		# 加载 iris 数据集# 绘制花瓣长度与宽度的散点图
sns.scatterplot(x="petal_length",y="petal_width",hue="species",data=iris)
plt.title("Scatter Plot of Petal Length vs Petal Width")# 保存图片
plt.savefig('P77设置图表风格.png', dpi=600, transparent=True)
plt.show()

设置图表风格

设置颜色主题

import seaborn as sns
import matplotlib.pyplot as pltsns.set_palette("deep")				# 设置颜色主题为deep
tips=sns.load_dataset("tips")		# 加载 tips 数据集# 绘制小费金额的小提琴图，按照就餐日期和吸烟者区分颜色
sns.violinplot(x="day",y="total_bill",hue="smoker",data=tips)
plt.title("Tips violinplot")		# 设置图表标题# 保存图片
plt.savefig('P78设置颜色主题.png', dpi=600, transparent=True)
plt.show()

设置颜色主题

图表分面

import seaborn as sns
import matplotlib.pyplot as pltiris=sns.load_dataset("iris")			# 加载iris数据集# 创建 FacetGrid 对象，按照种类（'species'）进行分面
g=sns.FacetGrid(iris,col="species",margin_titles=True)
# 在每个子图中绘制花萼长度与花萼宽度的散点图
g.map(sns.scatterplot,"sepal_length","sepal_width")
g.set_axis_labels("Sepal Length","Sepal Width")		# 设置子图标题# 保存图片
plt.savefig('P80图表分面.png', dpi=600, transparent=True)
plt.show()

图表分面

绘图过程

from plotnine import *
import seaborn as sns
import warnings# 忽略 PlotnineWarning
warnings.filterwarnings("ignore", category=UserWarning, module="plotnine")# 加载数据集
penguins = sns.load_dataset("penguins", data_home='seaborn-data', cache=True)# 检查并处理缺失值
penguins = penguins.dropna()# 创建画布和导入数据
p = ggplot(penguins, aes(x='bill_length_mm', y='bill_depth_mm', color='species'))# 添加几何对象图层-散点图，并进行美化
p = p + geom_point(size=3, alpha=0.7)# 设置标度
p = p + scale_x_continuous(name='Length (mm)')
p = p + scale_y_continuous(name='Depth (mm)')# 设置主题和其他参数
p = p + theme(legend_position='top', figure_size=(6, 4))# 保存绘图
ggsave(p, filename="P82绘图过程.png", width=6, height=4, dpi=600)

绘图过程

使用绘图函数绘图

import warnings
from plotnine import *
from plotnine.data import *# 忽略 PlotnineWarning
warnings.filterwarnings("ignore", category=UserWarning, module="plotnine")# 散点图-mpg 数据集
p1 = (ggplot(mpg) +aes(x='displ', y='hwy') +geom_point(color='blue') +labs(title='Displacement vs Highway MPG') +theme(plot_title=element_text(size=14, face='bold')))# 箱线图-diamonds 数据集
p2 = (ggplot(diamonds.sample(1000)) +aes(x='cut', y='price', fill='cut') +geom_boxplot() +labs(title='Diamond Price by Cut') +scale_fill_brewer(type='qual', palette='Pastel1') +theme(plot_title=element_text(size=14, face='bold')))# 直方图-msleep 数据集
p3 = (ggplot(msleep) +aes(x='sleep_total') +geom_histogram(bins=20, fill='green', color='black') +labs(title='Total Sleep in Mammals') +theme(plot_title=element_text(size=14, face='bold')))# 线图-economics 数据集
p4 = (ggplot(economics) +aes(x='date', y='unemploy') +geom_line(color='red') +labs(title='Unemployment over Time') +theme(plot_title=element_text(size=14, face='bold')))# 条形图-presidential 数据集
presidential['duration'] = (presidential['end'] - presidential['start']).dt.days
p5 = (ggplot(presidential) +aes(x='name', y='duration', fill='name') +geom_bar(stat='identity') +labs(title='Presidential Terms Duration') +scale_fill_hue(s=0.90, l=0.65) +theme(axis_text_x=element_text(rotation=90, hjust=1),plot_title=element_text(size=14, face='bold')))# 折线图-midwest 数据集
p6 = (ggplot(midwest) +aes(x='area', y='popdensity') +geom_line(color='purple') +labs(title='Population Density vs Area') +theme(plot_title=element_text(size=14, face='bold')))# 保存图片
plots = [p1, p2, p3, p4, p5, p6]
plot_names = ['scatter_plot', 'boxplot', 'histogram', 'line_plot', 'bar_plot', 'line_chart']for plot, name in zip(plots, plot_names):plot.save(f'P85使用绘图函数绘图_{name}.png', width=8, height=6, dpi=600, transparent=True)

使用绘图函数绘图_bar_plot

使用绘图函数绘图_boxplot

使用绘图函数绘图_histogram

使用绘图函数绘图_line_chart

使用绘图函数绘图_line_plot

使用绘图函数绘图_scatter_plot

定义主题

from plotnine import *
from plotnine.data import mpg# 创建散点图
p = (ggplot(mpg, aes(x='displ', y='hwy', color='displ')) +geom_point() +  # 添加点图层scale_color_gradient(low='blue', high='red') +  # 设置颜色渐变labs(title='Engine Displacement vs. Highway MPG',  # 设置图表标题x='Engine Displacement (L)',  # 设置x轴标题y='Miles per Gallon (Highway)') +  # 设置y轴标题theme_minimal() +  # 使用最小主题theme(axis_text_x=element_text(angle=45, hjust=1),  # 自定义x轴文字样式axis_text_y=element_text(color='darkgrey'),  # 自定义y轴文字样式plot_background=element_rect(fill='whitesmoke'),  # 自定义图表背景色panel_background=element_rect(fill='white', color='black', size=0.5),  # 自定义面板背景和边框panel_grid_major=element_line(color='lightgrey'),  # 自定义主要网格线颜色panel_grid_minor=element_line(color='lightgrey', linestyle='--'),  # 自定义次要网格线样式legend_position='right',  # 设置图例位置figure_size=(8, 6)))  # 设置图形大小# 保存图片
p.save('P88定义主题.png', dpi=600, transparent=True)# 显示图形
print(p)

定义主题

分面1

from plotnine import *
from plotnine.data import mpg# 创建散点图并按照`class`变量进行分面，添加颜色渐变
p = (ggplot(mpg, aes(x='displ', y='hwy', color='displ')) +geom_point() +scale_color_gradient(low='blue', high='orange') +  # 添加颜色渐变facet_wrap('~class') +  # 按照汽车类型分面labs(title='Engine Displacement vs. Highway MPG by Vehicle Class',x='Engine Displacement (L)',y='Miles per Gallon (Highway)'))# 保存图片
p.save('P89分面1.png', dpi=600, transparent=True)# 显示图片
p.draw()

分面1

分面2

from plotnine import *
from plotnine.data import mpg# 创建散点图并按照class变量进行分面，根据drv变量映射颜色
p=(ggplot(mpg,aes(x='displ',y='hwy',color='drv'))+geom_point()+						# 添加点图层scale_color_brewer(type='qual',palette='Set1')+	# 使用定性的颜色方案facet_grid('drv ~ class')+			# 行是驱动类型，列是汽车类型labs(title='Engine Displacement vs. Highway MPG by Vehicle Class',x='Engine Displacement (L)',y='Miles per Gallon (Highway)')+theme_light()+ 						# 使用亮色主题theme(figure_size=(10,6),			# 调整图形大小strip_text_x=element_text(size=10,color='black',angle=0),# 自定义分面标签的样式legend_title=element_text(color='blue',size=10),# 自定义图例标题的样式legend_text=element_text(size=8),		# 自定义图例文本的样式legend_position='right'))	# 调整图例位置# 保存图片
p.save('P90分面2.png', dpi=600, transparent=True)# 显示图片
p.draw()

分面2