1、設(shè)置figure對象

　　命令：plt.figure(figsize=(10,5)，frameon=False,clear=True)

　　　　參數(shù)說明：matplotlib.pyplot.figure(

　　　　　　num:圖形序號(ID) ,不指定時自動遞增。如果該圖形已存在,則激活相應(yīng)圖形

　　　　　　figsize :圖形的長寬,美寸, tuple缺省為matplotlib.rcParams ["figure. figsize"1]

　　　　　　dpi :圖形分辨率,即每英寸所表示的像素數(shù),缺省為rc figure.dpi保存圖像時的dpi參數(shù)為matplotlib.rcParams ["savefig.dpi"]

　　　　　　facecolor :圖形背景色,缺省為rc figure. facecolor

　　　　　　edgecolor :圖形邊框色,缺省為rc figure.edgecolor

　　　　　　frameon = True :是否繪制圖形外框架

　　　　　　Figureclass :使用自定義的matplotlib.figure.Figure類

　　　　　　clear = False :圖形已存在時是否清除原有對象）

2、散點圖

　　2.1、普通散點圖

　　　　命令：seaborn.scatterplot(x=ccss.s3,y=ccss.index1,hue=ccss.s2,legend='full',size=ccss.Qs9,alpha=0.1)

　　　　參數(shù)說明：seaborn.scatterplot(

　　　　　　x, y, hue : 按照hue進行分組；data :用于繪圖的數(shù)據(jù)框

　　　　　　hue_order :分類變量/hue變量類別取值的繪圖順序

　　　　　　estimator = None :對y變量的匯總方式,為None時繪制所有原始值

　　　　　　legend = 'brief' :圖例的顯示方式："brief", "full", or False, optional

　　　　基本繪圖設(shè)定:　　

　　　　　　size :線段寬度所對應(yīng)的變量/數(shù)值；sizes : list, dict, or tuple,用于進一步設(shè)置線寬如何確定

　　　　　　size_norm :進一步指定數(shù)值的標準化方法用于線段寬度；size_order : list,線寬在各線段中的使用順序

　　　　　　style :線段形狀所對應(yīng)的變量/數(shù)值；style_order : list,線形的使用順序

　　　　　　markers :數(shù)據(jù)點的顯示方式：boolean, list, or dictionary, optional

　　　　　　palette : hue變量所對應(yīng)的調(diào)色盤設(shè)定, dict/seaborn調(diào)色盤格式

　　　　　　hue_norm :當hue變量為數(shù)值時,可進一步指定數(shù)值的標準化方法用于顏色映射

　　　　　　alpha : float,散點的不透明度比例

　　　　　　

　　2.2、回歸趨勢散點圖

　　1、lmplot () :功能比較完備,可考察各種常見的線性/曲線回歸趨勢,可按照分類變量分組/分行列面板,并同時計算可信區(qū)間。

　　　　命令：seaborn.lmplot("s3","index1",data=ccss,x_bins=10,x_estimator=np.mean)

　　　　參數(shù)說明：seaborn.lmplot(

　　　　　　　　x, y, data；hue：數(shù)據(jù)分組；palette : palette name, list, or dict, optional

　　　　　　　　height:高度(in inches)；aspett:寬高比

　　　　　　　　markers : matplotlib marker,散點標記,有分組變量時提供list

　　　　　　　　(x,y)_jitter : floats,繪圖時對散點加入隨機噪聲，當數(shù)值為離散值時可以改善散點圖效果

　　　　　　　　truncate =False : bool,是否只在x取值范圍內(nèi)制回歸線　

　　　　　　　　order : int,所擬合曲線的階數(shù),大于1時使用numpy.polyfit進行曲線擬合

　　　　　　　　logistic : bool,是否擬合logistic回歸曲線

　　　　　　　　lowess : bool,是否擬合lowess曲線

　　　　　　　　robust : bool,是否擬合穩(wěn)健回歸

　　　　　　　　logx : bool,是否擬合y ~ 1og (x)的對數(shù)曲線,但仍按照原始的x/y數(shù)值輸出

　　　　　　基本繪圖設(shè)定:

　　　　　　　　x_estimator :對x運用該函數(shù)并顯示結(jié)果

　　　　　　　　x_bins : int/vector,對變量x進行分箱,然后計算其集中趨勢和ci該操作只影響散點圖,不影響回歸趨勢線的估計

　　　　　　　　x_ci : "ci", "sd", int in [0, 100] or None,計算的可信區(qū)間大小為ci時,另外使用ci參數(shù)給出百分比

　　　　　　　　scatter : bool,是否繪制散點圖

　　　　　　　　fitreg : bool,是否擬合回歸模型

　　　　　　　　n_boot : int, Bootstrap抽樣次數(shù)

　　　　　　　　units: variable name in data,抽樣基本單位對應(yīng)的變量

　　　　　　　　(x, y}_partial : strings in data/matrices,繪圖/擬合時希望控制的協(xié)變量注意此處x/y的設(shè)定方向和一般使用習慣相反!

　　　　　　　　{scatter, line)_kws : dict, plt.scatter和plt.plot中的其余參數(shù)

　　　　　　　　

　　2、線性回歸殘差圖：rs = np.random.RandomState(7)

　　　　　　　　　　　x = rs.normal(2, 1, 75)

　　　　　　　　　　　y = 2 + 1.5 * x + rs.normal(0, 2, 75)

　　　　　　　　　　　seaborn.residplot(x, y, lowess=True, color="g")

　　　　　　　

　　3、regplot ():可看作lmplot()的一個簡單子集,繪制時使用一個Axes對象,無分行列面板考察的功能。

　　4、jointplot():調(diào)用regplot()同時呈現(xiàn)回歸趨勢和單變量分布特征。

　　　　命令：seaborn.jointplot(x="s3",y="index1",data=ccss,kind="reg",color="blue")

　　　　參數(shù)說明：seaborn.jointplot(x, y:繪圖用數(shù)據(jù),可以是數(shù)據(jù)框內(nèi)的變量名

　　　　　　　　data =None :數(shù)據(jù)框名稱

　　　　　　　　kind = 'scatter':繪制的圖形種類{scatter" "reg" "resid" "kde" "hex" }

　　　　　　　　stat_func = :需要計算的統(tǒng)計量

　　　　　　圖形格式:

　　　　　　　　color : matplotlib color；size =6:圖形大小(默認方形)

　　　　　　　　ratio =5 :聯(lián)合圖和邊上的邊際分布圖寬度比例

　　　　　　　　space =0.2:聯(lián)合圖和邊際分布圖中間的縫隙寬度

　　　　　　　　dropna = True :是否刪除缺失數(shù)據(jù)

　　　　　　　　{x, y}lim : two-tuples, x/y軸的刻度范圍

　　　　　　　　{joint, marginal, annot}_kws : dicts,各圖形元素的屬性設(shè)定返回: JointGrid對象。

　　　　　　seaborn.JointGrid對象的方法:

　　　　　　　　annotate (func t, template, stat, 1oc]) 添加指定的統(tǒng)計量作為注解。

　　　　　　　　plt(joint_func, marginal funct, annotfunc) 繪制完整圖形。

　　　　　　　　plot_joint (func, **kwargs) 繪制x和y的雙變量圖。

　　　　　　　　plot-marginals (func, **kwargs) 分別繪制x和y的單變量圖。

　　　　　　　　savefig (*args, **kwargs) 保存圖形。

　　　　　　　　set axis labels ( [xlabel, ylabel])設(shè)置軸標簽

　　　　　　　　

　　命令：seaborn.jointplot(x="s3",y="index1",kind="kde",color="m",data=ccss).plot_joint(plt.scatter,c="w",s=30,linewidth=1,marker="+")

　　　　　　　　

　　5、pairplot():將regplot ()和PairGrid()相結(jié)合,實現(xiàn)在矩陣中兩兩考察回歸趨勢的功能。

　　　　命令：seaborn.pairplot(data=ccss,x_vars="s3",y_vars=["index1a","index1b"],kind="reg",hue="s2",height=4,aspect=1.5).map_upper(seaborn.scatterplot)

　　　　參數(shù)說明：seaborn.pairplot(

　　　　　　　　data:用于繪圖的數(shù)據(jù)框；vars :可選,需要分析的變量列表,默認分析全部數(shù)值變量列。

　　　　　　　　{x, y}_vars :用于分析的行/列變量,此時會生成非對稱的矩陣圖。

　　　　　　　　kind ='scatter' :繪圖種類, ('scatter', 'reg'}

　　　　　　　　diag_kind ='auto' :主對角線繪圖種類, ('hist', 'kde'}

　　　　　　散點分組：

　　　　　　　　hue:變量名字符串,該變量將在繪圖時用顏色將散點進行分組。

　　　　　　　　hue_order :分組變量各取值繪圖時在調(diào)色板中的順序, list格式。

　　　　　　　　palette : hue變量所對應(yīng)的調(diào)色盤設(shè)定, dict/seaborn調(diào)色盤格式。

　　　　　　格式設(shè)定：

　　　　　　　　markers :散點標記, hue分組時以1ist格式提供。

　　　　　　　　height =2.5 :面板高度,英寸；aspect =1:面板寬度與高度之比, aspect * size即為面板寬度。

　　　　　　　　dropna = True :繪圖前是否刪除缺失值。

　　　　　　　　{plot, diag, grid}_kws : dicts, keyword arguments

　　　　　　seaborn.PairGrid對象的方法:

　　　　　　　　add-legend ([legend-data, title, labelorder]) 繪制圖例

　　　　　　　　map (func, **wargs) 指定所有單元格繪制的圖形種類

　　　　　　　　map_liag (func, **kwargs) 指定主對角線單元格繪制的單變量圖形種類

　　　　　　　　map-lower (func, **kwargs) 指定下三角單元格繪制的雙變量圖形種類

　　　　　　　　map_offdiag (func, **kwargs) 指定非主對角線單元格繪制的雙變量圖形種類

　　　　　　　　map_upper (func, **kwargs) 指定上三角單元格繪制的雙變量圖形種類

　　　　　　　　savefig (*args, **kwargs) 保存圖形

　　　　　　　　set (**kwargs) 設(shè)置每一個subplot Axes對象的屬性

　　　　　　　　

3、條圖

　　panads繪制：pd.value_counts(ccss.s5).plot.bar()

　　matplotlib繪制：plt.bar(pd.value_counts(ccss.s5).index,pd.value_counts(ccss.s5))

　　seaborn繪制：seaborn.barplot(x=pd.value_counts(ccss.s5).index,y=pd.value_counts(ccss.s5),order=['學生','公務(wù)員'])

　　　　seaborn參數(shù)說明：seaborn.barplot(

　　　　　　x, y, names of variables in data ；data: DataFrameorder, hue

　　　　　　order :分類變量/hue變量各類別取值的繪圖順序

　　　　可信區(qū)間計算：

　　　　　　ci=95 : float or "sd" or None,希望繪制的可信區(qū)間寬度

　　　　　　n_boot = 1000 :計算ci時的bootstrap抽樣次數(shù)。

　　　　　　units :用于確定抽樣單元大小的變量。

　　　　誤差條格式:

　　　　　　errcolor ='0.26, : CI線段的顏色, matplotlib color

　　　　　　errwidth : CI線段的粗細, float

　　　　　　capsize :誤差條頂端的寬度,占直條繪圖區(qū)的比例, float

　　　　　　

4、餅圖、半圓、圓環(huán)

　　　　更詳細參考鏈接：https://www.cnblogs.com/biyoulin/p/9565350.html

　　　　pandas繪制圓：ccss.s5.value_counts().plot.pie()

　　　　matplotlib繪制圓：plt.pie(ccss.s5.value_counts(),labels=ccss.s5.value_counts().index,explode=[0,0.5,1,0.5,0,0,0,0,0,0,0],shadow=True,startangle=90,radius=2,counterclock=False,rotatelabels=True)

　　　　matplotlib繪制半圓：plt.pie(ccss.s5.value_counts(normalize=True)/2,labels=ccss.s5.value_counts().index)

　　　　matplotlib繪制圓環(huán)：plt.pie(ccss.s5.value_counts(),labels=ccss.s5.value_counts().index,)；plt.pie([1],colors=['#ffffff'],radius=0.6)

　　　　　　參數(shù)說明：matplotlib.pie（

　　　　　　　　　　explode：突出的距離,

　　　　　　　　　　shadow：陰影,

　　　　　　　　　　startangle：開始的度數(shù),

　　　　　　　　　　radius：半徑,

　　　　　　　　　　counterclock：逆時針開始旋轉(zhuǎn)，

　　　　　　　　　　rotatelabels：不旋轉(zhuǎn)標簽）

　　　　

5、條帶圖

　　seaborn命令：seaborn.stripplot(y=ccss.s3[:200])

　　　　參數(shù)說明：seaborn.stripplot(

　　　　　　　　x, y, hue :繪圖中所使用的分類/連續(xù)變量/顏色分組變量名；data:數(shù)據(jù)框名稱

　　　　　　繪制細節(jié):

　　　　　　　　order, hueorder : hue變量各類別取值的繪圖順序

　　　　　　　　jitter = True :是否對散點位置進行隨機抖動以避免重疊

　　　　　　　　orient : "v" 1 "h",條帶繪制方向

　　　　　　其他設(shè)定：

　　　　　　　　color : matplotlib顏色設(shè)定

　　　　　　　　palette :調(diào)色盤設(shè)定

　　　　　　　　size : float, optional

　　　　　　　　line float, optional

　　　　　　　　ax : matplotlib Axes, optional)

　　　　　　

6、直方圖、kDE圖、地毯圖

　　　　pandas繪制直方圖：ccss.s3.plot.hist()

　　　　matpoltlib繪制直方圖：plt.hist(ccss.s3)

　　　　seaborn繪制直方圖：seaborn.distplot(ccss.s3,kde=False)

　　　　seaborn繪制KDE圖（更加精確）：seaborn.kdeplot(ccss.s3,bw=1,label="bw=1")

　　　　　　參數(shù)說明：seaborn.distplot(

　　　　　　　　　　bins = None :組段數(shù), matplotlib.pyplot.hist ()中使用的參數(shù)

　　　　　　　　　　默認按照Ereedman-Diaconis自動計算

　　　　　　　　繪制圖形種類:

　　　　　　　　　　hist = True :直方圖

　　　　　　　　　　kde = True : KDE圖

　　　　　　　　　　rug = False :地毯圖

　　　　　　　　圖形細節(jié):

　　　　　　　　　　vertical = False :是否水平顯示圖形

　　　　　　　　　　normhist = False :縱軸顯示概率密度而不是原始頻數(shù)

　　　　　　　　其他設(shè)定：

　　　　　　　　　　{hist, kde, rug, fit}_kws :字典類型,自定義對應(yīng)圖形元素的各類屬性

　　　　　　　　　　color : matplotlib顏色代碼,指定繪圖元素的顏色

　　　　　　　　　　axlabel :軸標簽

　　　　　　　　　　label :圖例中對應(yīng)相應(yīng)圖形元素的標簽

　　　　　　　　　　ax：將圖形繪制在指定的Aes對象內(nèi)

　　　　　　　　　　

7、箱圖

　　　　seaborn繪制箱圖：seaborn.boxplot(y=ccss.index1,saturation=0.3,width=0.5,linewidth=3,fliersize=10)

　　　　　　參數(shù)說明：seaborn.boxplot(

　　　　　　　　　　x, y, hue : names of variables in data or vector data, optional

　　　　　　　　　　data: DataFrame, array, or list of arrays, optional

　　　　　　　　　　orient: "y" 1 "h", optional

　　　　　　　　　　color : matplotlib color, optional

　　　　　　　　　　palette : palette name, list, or dict, optional

　　　　　　　　　　saturation =0.75 : float,箱體顏色的飽和度

　　　　　　　　　　width=0.8 : float,箱體寬度所占比例

　　　　　　　　　　fliersize= 5 : float,離群值散點大小

　　　　　　　　　　linewidth = None : float,框線寬度

　　　　　　　　　　whis =1.5 : float,離群值確定標準,距離IQR上下界的倍數(shù)）

　　　　　　　　　　

　　　　seaborn繪制增強箱圖：seaborn.boxenplot(x=ccss.s2,y=ccss.s3,scale='area',outlier_prop=0.1)

　　　　　　參數(shù)說明：seaborn.boxenplot(

　　　　　　　　x, y, hue等參數(shù)

　　　　　　　　k_depth = 'proportion' ：具體的箱體位置算法

　　　　　　　　"proportion" "tukey" | "trustworthy"

　　　　　　　　scale = 'exponential’ :箱體寬度和樣本量的對應(yīng)關(guān)系

　　　　　　　　"linear"：等比例減少

　　　　　　　　"exponential"：對應(yīng)箱體外側(cè)未覆蓋的樣本比例

　　　　　　　　"area"：對應(yīng)箱體本身覆蓋的樣本比例

　　　　　　　　outlier_prop=0.007 ：離群值在樣本中的比例

　　　　　　　　　　　　　　　　　

8、提琴圖

　　　　seaborn繪制提琴圖：seaborn.violinplot(y=ccss.s3)

　　　　　　參數(shù)說明：seaborn.violinplot(

　　　　　　　　　　　　x-None, y-None, hue-None, data-None, order-None, hue order-None

　　　　　　　　　　　　bw= 'scott': KDE圖的具體計算方法或者核寬度；{'scott', 'silverman', float}

　　　　　　　　　　　　cut =2:繪圖時是否超越網(wǎng)端的極值,設(shè)為0時嚴格限定在觀測值范圍內(nèi)

　　　　　　　　　　　　scale = 'area’, :各KDE圖形設(shè)置為相同面積/按照頻數(shù)設(shè)定寬度/相同寬度；{"area", "count", "width"}

　　　　　　　　　　　　gridsize =100 :用于形成KDE曲線的散點數(shù),越多越光滑

　　　　　　　　　　　　width =0.8 :圖形占的寬度比例inner ='box, :提琴圖內(nèi)部呈現(xiàn)的圖形種類,箱圖/分位數(shù)/原始數(shù)據(jù)。{"box", "quartile", "point", "stick", None}

　　　　　　　　　　　　saturation =0.75 :圖形色彩飽和度。）

　　　　　　　　

9、線圖

　　　　seaborn繪制線圖：seaborn.lineplot('s4','index1',data=ccss,hue='s2',ci=None,style='s0',size='s0',)

　　　　　　參數(shù)說明：seaborn.lineplot(

　　　　　　　　注意：x軸y軸需要連續(xù)變；x, y, hue : names of variables in data；data:用于繪圖的數(shù)據(jù)框

　　　　　　　　　　order, hue_order :分類變量/hue變量各類別取值的繪圖順序

　　　　　　　　　　estimator = 'mean' :對y變量的匯總方式,為None時繪制所有原始值

　　　　　　　　　　sort =True:繪圖前數(shù)據(jù)是否按照x和y軸變量排序,否則將按照數(shù)據(jù)原始順序繪制絕大多教情況下,按照原始數(shù)據(jù)繪制的圖形并無意義

　　　　　　　　　　legend = 'brief' :圖例的顯示方式，"brief", "full", or False

　　　　　　　　格式設(shè)定:

　　　　　　　　　　size :線段寬度所對應(yīng)的變量/數(shù)值

　　　　　　　　　　sizes : list, dict, or tuple,用于進一步設(shè)置線寬如何確定

　　　　　　　　　　size-norm :進一步指定數(shù)值的標準化方法用于線段寬度

　　　　　　　　　　size-order : list,線寬在各線段中的使用順序

　　　　　　　　　　style :線段形狀所對應(yīng)的變量/數(shù)值

　　　　　　　　　　dashes = True :針對style變量的線形繪制設(shè)定；boolean, list, or dictionary

　　　　　　　　　　style_order : list,線形的使用順序

　　　　　　　　　　markers :數(shù)據(jù)點的顯示方式:boolean, list, or dictionary

　　　　　　　　　　palette : hue變量所對應(yīng)的調(diào)色盤設(shè)定, dict/seaborn調(diào)色盤格式

　　　　　　　　　　hue_norm :當hue變量為數(shù)值時,可進一步指定數(shù)值的標準化方法用于顏色映射

　　　　　　　可信區(qū)間計算：

　　　　　　　　　　ci = 95: float or "sd" or None,希望繪制的可信區(qū)間寬度

　　　　　　　　　　n_boot=1000 :計算CI時的bootstrap抽樣次數(shù)

　　　　　　　　　　urits :用于確定抽樣單元大小的變量

　　　　　　　　　　err_style = 'band': "band" or "bars",代表c1的誤差條的顯示方式

　　　　　　　　　　err_band : dict of keyword arguments,進一步控制誤差條的顯示方式;具體參數(shù)來自于ax.fill between或ax.errorbar

　　　　　　　　　

10、誤差圖、面積圖

　　　　seaborn繪制誤差圖：seaborn.pointplot(ccss.time,ccss.index1,capsize=.1)

　　　　　　　　

　　　　標準的誤差圖：seaborn.pointplot(ccss.time,ccss.index1,capsize=.1,join=False)

　　　　　　　　

　　　　分組、不需要可信區(qū)間：seaborn.pointplot(ccss.time,ccss.index1,data=ccss,capsize=.1,hue='s0',ci=None)

　　　　　　　　

　　　　增加線形修飾：seaborn.pointplot(ccss.time,ccss.index1,data=ccss,capsize=.1,hue='s0',ci=None,linestyles=['-','--',':'])

　　　　　　　　

　　　　錯開ci的位置便于觀察：seaborn.pointplot(ccss.time,ccss.index1,data=ccss,capsize=.1,hue='s0',linestyles=['-','--',':'],dodge=True)

　　　　　　　　

　　　　panads繪制面積圖：ccss.groupby('a3').index1.mean().plot.area()

　　　　　　　　

　　　　按照百分比繪圖：pd.crosstab(index=ccss.s4,normalize='index',columns=ccss.O1).plot.area()

　　　　　　　　

11、pp圖

　　　　pp圖是將變量實際分布累計概率與所指的理論分布累計概率分別作為橫縱坐標而繪制的散點圖，用于直觀地檢測樣本數(shù)據(jù)是否符合某一概率分布

　　　　　　plt.scatter(df.cprob,df.cprob0)

　　　　

12、qq圖

　　　　Q-Q圖只是直觀觀察,更精確的考察需要使用假設(shè)檢驗，Q代表分位數(shù),將兩個概率分布同一個位置的分位數(shù)值作為平面坐標進行繪圖,該分位值就構(gòu)成平面中的一個散點,而全體分位數(shù)的比較結(jié)果就可以構(gòu)成一張圖形。

　　　　　　from scipy import stats

　　　　　　stats.probplot(ccss.s3,plot=plt)

　　　　　

13、pareto圖

　　　　pareto本質(zhì)上是原始指標的條圖和累計百分比的線圖的組合，繪制關(guān)鍵點：計算相應(yīng)的累計百分比，將相應(yīng)的兩個圖形用雙軸圖的形式組合起來

　　　　　　data.plot.bar(color = 'b')

　　　　　　prob.plot(color = 'g',secondary_y = True,style = '-0',linewidth =2)

　　　　

14、雷達圖　　　　

　　　　雷達圖屬于極坐標的范疇，用極坐標繪制即可

data = ccss.s5.value_counts(sort=False,normalize=True)
# 生成繪圖用的弧度數(shù)據(jù)，注意跳開終點數(shù)值
import numpy as np
# 將數(shù)據(jù)等分
angles = np.linspace(0,2*np.pi,len(data),endpoint=False)
# 添加終點值，使曲線坐標閉合
data1 = np.concatenate((data,[data[0]]))
angles = np.concatenate((angles,[angles[0]]))
fig = plt.figure()
ax = fig.add_subplot(111,polar=True)
ax.plot(angles,data1)

　　　　　　

15、復合餅圖　　　　

# 生成繪圖數(shù)據(jù)
data = pd.crosstab(ccss.s2, ccss.s5)
# 控制圓環(huán)配色，考慮使用等分的husl配色方案以免重復
colorlist = seaborn.color_palette('husl', n_colors=len(data.columns))
# 設(shè)定圓環(huán)寬度
size = 0.3
plt.pie(data.iloc[0, :], radius=1, wedgeprops=dict(width=size, edgecolor='w'), colors=colorlist, labels=data.columns)
plt.pie(data.iloc[0, :], radius=1 - size, wedgeprops=dict(width=size, edgecolor='w'), colors=colorlist )

　　　　　　

16、熱圖

plt.figure(figsize=(10,10))
# margins對數(shù)據(jù)進行排序
data = ccss.pivot_table(index='s9',columns='s5',values='index1',margins=True)
# 去掉匯總列
data = data.iloc[:,:-1]
# 對數(shù)據(jù)進行排序
data.sort_values(by='All',axis='columns',inplace=True)
seaborn.heatmap(data.iloc[:-1,:],square=True,cmap='YlGnBu',annot=True,fmt='.3g')

　　　　　　參數(shù)說明：seaborn.heatmap(

　　　　　　　　　　data : rectangular dataset,用于繪制熱圖的數(shù)據(jù)框/ndarray，如果提供Pandas數(shù)據(jù)框,則行/列名稱將用于繪圖,成為行/列標簽

　　　　　　　　調(diào)色板：

　　　　　　　　　　vmin, vmax : floats, colormap的取值范圍

　　　　　　　　　　cmap: matplotlib colormap名稱

　　　　　　　　　　center: float, colormap的中間值

　　　　　　　　　　robust: bool, 當vmin或vmax缺省時,是否使用分位數(shù)而不是極值來更穩(wěn)健的估計colormap range

　　　　　　　　注釋與標簽:

　　　　　　　　　　annot : bool or rectangular dataset,是否在單元格中顯示數(shù)值

　　　　　　　　　　fmt = ".2g' : string,添加注釋時的格式

　　　　　　　　　　annot kws: dict of key, value mappings, optional

　　　　　　　　　　xticklabels, yticklabels = 'auto' :行/列標簽的設(shè)定方式"auto", bool, list-like, or int, optional

　　　　　　　　框線與色帶：

　　　　　　　　　　lnewidths =0: float,格框線寬度

　　　　　　　　　　linecolor = 'white' : col,單元格框線顏色

　　　　　　　　　　cbar = True : boolean,是否繪制色帶

　　　　　　　　　　cbar_kws: dict of key, Keyword arguments for fig.colorbar.

　　　　　　　　　　cbar_ax :用于繪制色帶的Axes對象名稱,否則將在主Axes對象中繪制

　　　　　　　　　　square : boolean,是否強制設(shè)定每個單元格為正方形

　　　　　　

17、多邊形

　　　　matplotlib.patches.circle(center = (0.0, 0.0), radius = 1.0,)　　圓形:中心坐標,半徑,是否只讀

　　　　matplotlib.patches.Ellipse(xy, width, height,angle = 0.0)　　橢園:中心坐標,寬度,高度,起始角度

　　　　matplotlib.patches.Rectangle(xy, width, height, angle = 0.0)　　矩形:中心坐標,寬度,高度,起始角度

　　　　matplotlib.patches.RegularPolygon(xy, numVertices, radius = 5, orientation = 0)　　正多邊形:中心坐標,邊數(shù),距離中心的長度,起始弧度

　　　　matplotib.patches.Wedge(center, r, theta1, theta2, width = None)　　扇形:中心坐標,半徑,起始角度,終止角度,弧形寬度

fig,ax = plt.subplots()
circle  = patches.Circle(np.array([0,0]), radius = 1.0,color='g')
RegularPolygon = patches.RegularPolygon(np.array([0,0]),9,0.2)
ax.add_patch(circle)
ax.add_patch(RegularPolygon)
# 設(shè)置等比例
ax.axis('equal')

　　　　　　

總結(jié)

以上是生活随笔為你收集整理的matplotlib+seaborn图形绘制-学习整理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。