CSDN博客

作者：zsx_yiyiyi

編輯：python大本營，Python與算法社區(qū)

50個Matplotlib圖的匯編，在數(shù)據(jù)分析和可視化中最有用。此列表允許您使用Python的Matplotlib和Seaborn庫選擇要顯示的可視化對象。

1.關(guān)聯(lián)

散點圖
帶邊界的氣泡圖
帶線性回歸最佳擬合線的散點圖
抖動圖
計數(shù)圖
邊緣直方圖
邊緣箱形圖
相關(guān)圖
矩陣圖

2.偏差

發(fā)散型條形圖
發(fā)散型文本
發(fā)散型包點圖
帶標記的發(fā)散型棒棒糖圖
面積圖

3.排序

有序條形圖
棒棒糖圖
包點圖
坡度圖
啞鈴圖

4.分布

連續(xù)變量的直方圖
類型變量的直方圖
密度圖
直方密度線圖
Joy Plot
分布式包點圖
包點+箱形圖
Dot + Box Plot
小提琴圖
人口金字塔
分類圖

5.組成

華夫餅圖
餅圖
樹形圖
條形圖

6.變化

時間序列圖
帶波峰波谷標記的時序圖
自相關(guān)和部分自相關(guān)圖
交叉相關(guān)圖
時間序列分解圖
多個時間序列
使用輔助Y軸來繪制不同范圍的圖形
帶有誤差帶的時間序列
堆積面積圖
未堆積的面積圖
日歷熱力圖
季節(jié)圖

7.分組

樹狀圖
簇狀圖
安德魯斯曲線
平行坐標

1. 散點圖

Scatteplot是用于研究兩個變量之間關(guān)系的經(jīng)典和基本圖。如果數(shù)據(jù)中有多個組，則可能需要以不同顏色可視化每個組。在Matplotlib，你可以方便地使用。

2. 帶邊界的氣泡圖

有時，您希望在邊界內(nèi)顯示一組點以強調(diào)其重要性。在此示例中，您將從應(yīng)該被環(huán)繞的數(shù)據(jù)幀中獲取記錄，并將其傳遞給下面的代碼中描述的記錄。encircle()

3. 帶線性回歸最佳擬合線的散點圖

如果你想了解兩個變量如何相互改變，那么最合適的線就是要走的路。下圖顯示了數(shù)據(jù)中各組之間最佳擬合線的差異。要禁用分組并僅為整個數(shù)據(jù)集繪制一條最佳擬合線，請從下面的調(diào)用中刪除該參數(shù)。

每個回歸線都在自己的列中

或者，您可以在其自己的列中顯示每個組的最佳擬合線。你可以通過在里面設(shè)置參數(shù)來實現(xiàn)這一點。

4. 抖動圖

通常，多個數(shù)據(jù)點具有完全相同的X和Y值。結(jié)果，多個點相互繪制并隱藏。為避免這種情況，請稍微抖動點，以便您可以直觀地看到它們。這很方便使用

5. 計數(shù)圖

避免點重疊問題的另一個選擇是增加點的大小，這取決于該點中有多少點。因此，點的大小越大，周圍的點的集中度就越大。

6. 邊緣直方圖

邊緣直方圖具有沿X和Y軸變量的直方圖。這用于可視化X和Y之間的關(guān)系以及單獨的X和Y的單變量分布。該圖如果經(jīng)常用于探索性數(shù)據(jù)分析(EDA)。

7.邊緣箱形圖

邊緣箱圖與邊緣直方圖具有相似的用途。然而，箱線圖有助于精確定位X和Y的中位數(shù)，第25和第75百分位數(shù)。

8. 相關(guān)圖

Correlogram用于直觀地查看給定數(shù)據(jù)幀(或2D數(shù)組)中所有可能的數(shù)值變量對之間的相關(guān)度量。

9. 矩陣圖

成對圖是探索性分析中的最愛，以理解所有可能的數(shù)字變量對之間的關(guān)系。它是雙變量分析的必備工具。

偏差

10. 發(fā)散型條形圖

如果您想根據(jù)單個指標查看項目的變化情況，并可視化此差異的順序和數(shù)量，那么發(fā)散條是一個很好的工具。它有助于快速區(qū)分數(shù)據(jù)中組的性能，并且非常直觀，并且可以立即傳達這一點。

11. 發(fā)散型文本

分散的文本類似于發(fā)散條，如果你想以一種漂亮和可呈現(xiàn)的方式顯示圖表中每個項目的價值，它更喜歡。

12. 發(fā)散型包點圖

發(fā)散點圖也類似于發(fā)散條。然而，與發(fā)散條相比，條的不存在減少了組之間的對比度和差異。

13. 帶標記的發(fā)散型棒棒糖圖

帶標記的棒棒糖通過強調(diào)您想要引起注意的任何重要數(shù)據(jù)點并在圖表中適當?shù)亟o出推理，提供了一種可視化分歧的靈活方式。

14.面積圖

通過對軸和線之間的區(qū)域進行著色，區(qū)域圖不僅強調(diào)峰值和低谷，而且還強調(diào)高點和低點的持續(xù)時間。高點持續(xù)時間越長，線下面積越大。

排序

15. 有序條形圖

有序條形圖有效地傳達了項目的排名順序。但是，在圖表上方添加度量標準的值，用戶可以從圖表本身獲取精確信息。

16. 棒棒糖圖

棒棒糖圖表以一種視覺上令人愉悅的方式提供與有序條形圖類似的目的。

17. 包點圖

點圖表傳達了項目的排名順序。由于它沿水平軸對齊，因此您可以更容易地看到點彼此之間的距離。

18. 坡度圖

斜率圖最適合比較給定人/項目的“之前”和“之后”位置。

19. 啞鈴圖

啞鈴圖傳達各種項目的“前”和“后”位置以及項目的排序。如果您想要將特定項目/計劃對不同對象的影響可視化，那么它非常有用。

分配

20. 連續(xù)變量的直方圖

直方圖顯示給定變量的頻率分布。下面的表示基于分類變量對頻率條進行分組，從而更好地了解連續(xù)變量和串聯(lián)變量。

21. 類型變量的直方圖

分類變量的直方圖顯示該變量的頻率分布。通過對條形圖進行著色，您可以將分布與表示顏色的另一個分類變量相關(guān)聯(lián)。

22. 密度圖

密度圖是一種常用工具，可視化連續(xù)變量的分布。通過“響應(yīng)”變量對它們進行分組，您可以檢查X和Y之間的關(guān)系。以下情況，如果出于代表性目的來描述城市里程的分布如何隨著汽缸數(shù)的變化而變化。

23. 直方密度線圖

帶有直方圖的密度曲線將兩個圖表傳達的集體信息匯集在一起，這樣您就可以將它們放在一個圖形而不是兩個圖形中。

24. Joy Plot

Joy Plot允許不同組的密度曲線重疊，這是一種可視化相對于彼此的大量組的分布的好方法。它看起來很悅目，并清楚地傳達了正確的信息。它可以使用joypy基于的包來輕松構(gòu)建matplotlib。

25. 分布式點圖

分布點圖顯示按組分割的點的單變量分布。點數(shù)越暗，該區(qū)域的數(shù)據(jù)點集中度越高。通過對中位數(shù)進行不同著色，組的真實定位立即變得明顯。

本文參考自：

https://www.machinelearningplus.com/plots/top-50-matplotlib-visualizations-the-master-plots-python/

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的graphpad如何做x轴在上方的图_数据分析最有用的25个 Matplotlib图的全部內(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。