绘图库 Matplotlib Search

关于Pathon的绘图库的认识和基本操作的学习 这里学习了两款常用便捷的绘图库去学习使用

Matplotlib

介绍

是最受欢迎的一种数据可视化包 是常用的2D绘图库 一般常于Numpy和Pandas使用 是数据分析中非常重要的工具

可以自定义XY轴 绘制线形图 柱状图 直方图 密度图 散点图 更清晰的展示数据

 基本绘图

x x 为绘制做坐标点 ls 为线型linestyle lw为线宽linewidth lable为标签文本内容 color为颜色 marker为标记

ls - 实线  : 点虚线  --破折线  -.点划线 color r 红 g 绿 y 黄 k 黑 w 白 marker . 点  ，像素点 o 实心圆 v 下三角 * 星星

# 绘制直线图import matplotlib.pyplot as pltx = [1,2,3,4,5]y = [2,4,6,8,10]plt.plot(x,y,color=\"r\",ls=\"--\")plt.show()

使用

设置网格

import numpy as np # 设置网格plt.figure(figsize=(6,3),dpi=100)x = np.linspace(0,2*np.pi)y = np.sin(x)plt.plot(x,y)plt.grid() # 设置网格

绘制多线

import numpy as py # 绘制多条线 设置画布背景plt.figure(figsize=(6,3),dpi=100) # 设置画布的长宽和分辨率x = np.linspace(0,2*np.pi)y = np.sin(x)z = np.cos(x)plt.plot(x,y)# plt.show() # 立刻绘图 只绘制xy的图像plt.plot(x,z)

# 创建数据x = np.linspace(0,10,100)y1 = np.sin(x)y2 = np.cos(x)# 绘制图形plt.plot(x,y1,label=\'Sin Function\',color=\"y\",ls=\"-.\") # 第一个数据系列plt.plot(x,y2,label=\'Cos Function\')# 显示图例plt.legend()# 显示图形plt.show()

 多图布局

#%%%matplotlib inline# 若不显示图片 则加上import matplotlib.pyplot as pltplt.rcParams[\'front.sans-serif\'] = [\'SimHei\'] # 用于正常显示中文标签plt.rcParams[\'axes.unicode_minus\'] = False # 用于正常显示负号#%%# 绘制直线图import matplotlib.pyplot as pltx = [1,2,3,4,5]y = [2,4,6,8,10]plt.plot(x,y,color=\"r\",ls=\"--\")plt.show()#%%import numpy as np # 设置网格plt.figure(figsize=(6,3),dpi=100)x = np.linspace(0,2*np.pi)y = np.sin(x)plt.plot(x,y)plt.grid() # 设置网格#%%import numpy as py # 绘制多条线 设置画布背景plt.figure(figsize=(6,3),dpi=100) # 设置画布的长宽和分辨率x = np.linspace(0,2*np.pi)y = np.sin(x)z = np.cos(x)plt.plot(x,y)# plt.show() # 立刻绘图plt.plot(x,z)#%%# 多图布局import matplotlib.pyplot as pltimport numpy as np# 创建数据x = np.linspace(0,10,100)y1 = np.sin(x)y2 = np.cos(x)# 创建一个2*2的子图布局plt.figure(figsize=(10,6)) # 设置整个图的大小# 第一个子图plt.subplot(2,2,1) # 第一个子图位于2*2布局的第一个位置plt.plot(x,y1,\'r-\') # 绘制曲线plt.title(\'Sin Function\') # 设置标题# 第二个子图plt.subplot(2,2,2) # 第二个子图的第二个位置plt.plot(x,y2,\'b-\') # 设置cos曲线plt.title(\'Cos Function\')# 第三个子图plt.subplot(2,2,3)plt.plot(x,y1 + y2,\'h-\')plt.title(\'Sin + Cos Function\')# 第四个子图plt.subplot(2,2,4)plt.plot(x,y1 - y2,\'r-\')plt.title(\'Sin - Cos Function\')# 调整子图之间的间距plt.tight_layout()# 显示图形plt.show()

图形嵌套

# 图形嵌套import numpy as npimport matplotlib.pyplot as plt# 创建数据x = np.linspace(0,10,100)y = np.sin(x)# 创建外层图形fig = plt.figure(figsize=(8,6))# 在外层图形中创建嵌套的子图plt.plot(x,y,\'b-\')plt.title(\'Main Plot\')# 创建嵌套的子图left,bottom, width,height = [0.4,0.5,0.25,0.25]axes = fig.add_axes([left,bottom,width,height]) # 创建一个新的坐标轴axes.plot(x,y,\'r-\',label = \'sin Function (Inset)\')plt.title(\'Inset Plot\')# 显示图例plt.legend()# 显示图形plt.show()

调整刻度和标签

import numpy as npimport matplotlib.pyplot as plt# 创建数据x = np.linspace(0,10,100)y = np.sin(x)# 绘制图形plt.plot(x,y,label = \'Sin Function\')plt.title(\'修改刻度\')# 修改X轴和Y轴的刻度plt.xticks(np.arange(0,11,1)) # 设置刻度和步长plt.yticks([-1,0,1])# 添加标签plt.xlabel(\'x\')plt.ylabel(\'y\')plt.legend()plt.show()

 保存图片

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(0,10,100)y = np.sin(x)plt.plot(x,y,label = \'Sin Function\')# 标签plt.title(\'Plot Example\')plt.xticks(np.arange(0,11,1))plt.yticks([-1,0,1])plt.legend()plt.savefig(\'plot_example.png\')plt.show()

绘制折线图

plt.figure(figsize=(10,6))x = df.index # 获取月份作为x轴数据y1 = df[\'语文\']plt.plot(x,y1,marker=\'o\',color=\'r\',ls=\'--\',label=\'语文\')plt.title(\'张三成绩月变化情况\')plt.xlabel(\'月份\')plt.ylabel(\'分数\')plt.legend()plt.grid(True) # 网格线plt.xticks(rotation = 45) # x轴刻度标签的角度旋转为45度plt.tight_layout()plt.show()

多个柱状图

# 绘制多个柱状图import numpy as npimport matplotlib.pyplot as plt# 读取 Excel 表格数据excel_file = \'张三成绩.xlsx\'df = pd.read_excel(excel_file)# 绘制图像plt.figure(figsize=(10,6))months = df.indexx = range(len(months))# 设置柱状图的宽度bar_width = 0.25plt.bar(x,df[\'语文\'],width=bar_width,align=\'center\',label=\'语文\',color=\'skyblue\')plt.bar([i + bar_width for i in x],df[\'英语\'],width=bar_width,align=\'center\',label=\'数学\',color=\'r\')plt.bar([i + 2 * bar_width for i in x],df[\'英语\'],width=bar_width,align=\'center\',color=\'b\')plt.title(\'成绩月变化情况\')plt.xlabel(\'月份\')plt.ylabel(\'分数\')# 设置X轴刻度标签plt.legend()# 显示图形plt.tight_layout()plt.show()

绘制散点图

import numpy as npimport matplotlib.pyplot as pltnp.random.seed(0)height = np.random.normal(loc=170,scale=10, size=100)weight = 0.6 * height + np.random.normal(loc=0,scale=5,size=100)plt.figure(figsize=(10,6))plt.scatter(height,weight,color=\'r\',alpha=0.7)plt.title(\'身高与体重关系散点图\')plt.xlabel(\'身高\')plt.ylabel(\'体重\')plt.grid(True)plt.tight_layout()plt.show()

绘制饼图

import numpy as npimport matplotlib.pyplot as pltexcel_file = \'张三成绩.xlsx\'df = pd.read_excel(excel_file)plt.figure(figsize=(10,6))plt.pie(df[\'语文\'],startangle=90) # startangle 绘制的起始位置plt.title(\'成绩情况\')plt.show()

---

Search

介绍

    在Matplotlib的基础上进行了更高级的封装 使用极简的代码做出具有分析价值且十分美观的图形 而且也支持Pyhon的其他库 

    可以绘制 折线图 散点图（分类图）分类分布图 分类统计图 线性回归图 热力图

风格设置

white

纯白 

whitegrid

带有网格的纯白

dark

灰色

darkgrid

带网格灰色 ticks 白色 轴上有刻度条 

函数参数使用

函数类型 函数名称 主要参数 使用场景 示例代码 ​​分布类​​ displot()
(通用分布图) kind: 指定类型(hist/kde/ecdf)
data: 数据集
x/y: 变量
hue: 分组变量
rug: 显示分布密度 单变量分布分析
数据分布形状探索 sns.displot(data=tips, x=\"total_bill\", kind=\"kde\", hue=\"time\") ​​分布类​​ histplot()
(直方图) bins: 箱数
kde: 叠加密度线
stat: 统计方式(count/density)
multiple: 分组叠放方式 数值变量分布探索
统计频次分析 sns.histplot(data=tips, x=\"tip\", bins=20, kde=True, hue=\"sex\") ​​关系类​​ scatterplot()
(散点图) x/y: 变量坐标
size: 点大小
style: 点形状
alpha: 透明度
palette: 色板 双变量关系探索
相关性可视化 sns.scatterplot(data=iris, x=\"sepal_length\", y=\"petal_length\", hue=\"species\", size=\"petal_width\") ​​关系类​​ lineplot()
(折线图) sort: 是否排序
markers: 显示标记
ci: 置信区间
style: 线型分组 时间趋势分析
序列变化对比 sns.lineplot(data=flights, x=\"year\", y=\"passengers\", hue=\"month\", ci=None) ​​分类类​​ barplot()
(条形图) estimator: 聚合函数(mean/sum)
ci: 置信区间
order: 类目顺序
capsize: 误差线帽宽 分类变量聚合比较
均值差异分析 sns.barplot(data=titanic, x=\"class\", y=\"fare\", hue=\"sex\", estimator=np.mean) ​​分类类​​ boxplot()
(箱线图) orient: 方向(v/h)
notch: 凹口
fliersize: 离群点大小
width: 宽度 数据分布对比
异常值检测 sns.boxplot(data=penguins, x=\"species\", y=\"body_mass_g\", hue=\"sex\", notch=True) ​​分类类​​ violinplot()
(小提琴图) inner: 内部图(quartiles/stick)
split: 分组合并
bw: 核密度带宽 比较数据分布形状
概率密度可视化 sns.violinplot(data=penguins, x=\"island\", y=\"bill_length\", hue=\"sex\", inner=\"stick\", split=True) ​​矩阵类​​ heatmap()
(热力图) annot: 显示数值
fmt: 数值格式
cbar: 显示色标
linewidths: 网格线宽
vmin/vmax: 值域范围 相关性分析
交叉表可视化 sns.heatmap(data=corr_matrix, annot=True, fmt=\".2f\", cmap=\"coolwarm\") ​​矩阵类​​ clustermap()
(聚类热力图) row_colors: 行标签色
method: 聚类方法
metric: 距离算法
z_score: 标准化 聚类分析
分组可视化 sns.clustermap(data=iris, method=\"ward\", z_score=0, cmap=\"viridis\") ​​网格类​​ FacetGrid()
(分面网格) col/row: 分面维度
col_wrap: 换行数
height/aspect: 子图尺寸
share{x/y}: 坐标轴共享 多维度分析
数据集子集探索 g = sns.FacetGrid(tips, col=\"time\", row=\"smoker\")
g.map(sns.scatterplot, \"total_bill\", \"tip\") ​​网格类​​ pairplot()
(变量关系矩阵) diag_kind: 对角线图类型
plot_kws: 子图参数
corner: 只显示下三角
kind: 关系类型(scatter/kde) 多变量关系探索
数据集快速概览 sns.pairplot(data=iris, hue=\"species\", diag_kind=\"hist\", corner=True)

核心参数

参数 描述 示例值 data 输入数据源 DataFrame/tables/arrays x/y 坐标轴变量 列名 (如：\"total_bill\") hue 分组变量 分类列名 (如：\"sex\") palette 调色板 \"viridis\", \"mako\", \"Set2\" size 尺寸变量 连续变量列名 alpha 透明度 0-1值 (0.5表示半透明) legend 图例 \"auto\"(默认)/True/False ax matplotlib轴对象 用于在已有图形上绘制

使用

折线图（使用库自带的测试数据集）

import seaborn as snstest_data = sns.load_dataset(\'fmri\')print(test_data.head())sns.relplot(x=\"timepoint\",y=\"signal\",kind=\"line\",data=test_data)

折线图（事件区分）

import seaborn as snstest_data = sns.load_dataset(\'fmri\')print(test_data.head())sns.relplot(x=\"timepoint\",y=\"signal\",kind=\"line\",hue=\"event\",data=test_data)

分图展示

import seaborn as snstest_data = sns.load_dataset(\'fmri\')print(test_data.head())sns.relplot(x=\"timepoint\",y=\"signal\",kind=\"line\",hue=\"event\",col=\"event\",data=test_data)

散点图（分类图）

titanic = sns.load_dataset(\'titanic\')sns.relplot(x=\"age\",y=\"fare\",data=titanic)

sns.catplot(x=\"pclass\",y=\"fare\",data=titanic) # 用作做分类

箱形图

sns.boxplot(x=\"pclass\",y=\"fare\",data=titanic)

条形图

sns.barplot(x=\"pclass\",y=\"fare\",data=titanic) # 条形图

计数图

sns.countplot(x=\"pclass\",data=titanic)sns.set_style(\"whitegrid\") # 绘图风格设置

调色板

# 调色板from matplotlib import pyplot as pltplt.rcParams[\'font.sans-serif\'] = [\'SimHei\'] # 用于正常显示中文标签plt.rcParams[\'axes.unicode_minus\'] = False # 用于正常显示负号plt.figure(figsize=(10,10))planets = sns.load_dataset(\'planets\')sns.barplot(x=\"year\",y=\"number\",data=planets,palette=\"rainbow\")

 线性关系图

sns.regplot(x=\"age\",y=\"fare\",data=titanic)

热力图

# 热力图flights = sns.load_dataset(\'flights\')# 将长格式转换为宽格式数据，以便于绘制热力图f = flights.pivot(index=\"month\",columns=\"year\",values=\"passengers\")# 绘制热力图plt.figure(figsize=(10,10))sns.heatmap(f,annot=True,fmt=\'d\',cmap=\'YlGnBu\')plt.title(\"Flights Passenger Count By Year ans Month\")plt.xlabel(\"Year\")plt.ylabel(\"Month\")plt.show()

相关系数矩阵的热力图

plt.figure(figsize=(10,10))sns.heatmap(f.corr(),annot=True,cmap=\'coolwarm\')

---

学习时间  2025.07.20