R-Python 基础图表绘制-核密度估计图

DataCharm

发布于 2021-02-22 11:59:16

5420

发布于 2021-02-22 11:59:16

文章被收录于专栏：数据学术商业新闻数据学术商业新闻

前面介绍了基础直方图的绘制教程，接下来，同样分享一篇关于数据分布的基础图表绘制-核密度估计图。具体含义我们这里就不作多解释，大家可以自行百度啊，这里我们主要讲解R-python绘制该图的方法。本期知识点主要如下：

R-ggplot2.geom_density()绘制方法
Python-seaborn.kdeplot()绘制方法
各自方法的图片元素添加

R-ggplot2.geom_density()绘制方法

我们还是使用前几期绘制的数据，关注公众号DataCharm,后台回复柱形图，即可获取练习数据啦。这里给出部分数据的预览，如下：

这里直接给出绘图代码：

library(ggtext)
library(hrbrthemes)

flipper_density <- ggplot(data = data,aes(x = flipper_length_mm)) +
  geom_density(aes(fill=species),colour="black",size=1)+
  scale_fill_manual(values = c('#FF8C03',"#A034F1","#0F8B8B")) +
  guides(fill = guide_legend(nrow = 1)) + 
  labs(y="",
       title = "Base Charts in R Exercise 03: <span style='color:#D20F26'>Density Charts</span>",
       subtitle = "processed density charts with geom_density()",
       caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>") +
  theme_ipsum(base_family = "Roboto Condensed") +
  theme(
        plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
                             size = 22, margin = margin(t = 1, b = 12)),
        plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
        plot.caption = element_markdown(face = 'bold',size = 12),
        #legend.position = c(.1, .1), 
        legend.position = "top",
        legend.direction = "horizontal", 
        #legend.justification = "right",
        legend.key.width = unit(1.8, "lines"), 
        legend.key.height = unit(1, "lines"),
  )

可视化结果如下：

更换主题

通过如下代码，更换成“暗黑主题”：

theme_ft_rc() +

注意：

theme_ft_rc() 和* theme_ipsum()* 都来自功能强大的hrbrthemes 绘图主题包哦，大家可以重点掌握哦。结果如下：

添加图片美化

该方法前几篇推文呢都有介绍，这里不再累赘，直接给出代码：

#读取图片
library(png)
library(grid)
img_file <- "lter_penguins.png"
img <- png::readPNG(img_file)
i1 <- grid::rasterGrob(img, interpolate = T)

flipper_density_img <- flipper_density +
    annotation_custom(i1, ymin = .045, ymax = .065, xmin = 220, xmax = 235)

效果如下：

暗黑主题的图片添加，效果如下：

Python-seaborn 绘制

还是使用集成功能强大的seaborn绘图包，我们直接给出代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

fig,ax = plt.subplots(figsize=(7,4.5),dpi=200)

palette = ['#FF8C03',"#A034F1","#0F8B8B"]
sns.kdeplot(data=data,x="flipper_length_mm",hue="species",palette=palette,alpha=1,
            hue_order=["Adelie","Chinstrap","Gentoo"],fill=True,edgecolor="black",
            linewidth=2,ax=ax)

#title
ax.text(.08,1.1,"Base Charts in Python Exercise 02: Density Charts",
       transform = ax.transAxes,color='k',ha='left',va='center',size=18,fontweight='extra bold')
#subtitle
ax.text(.01,1.02,"processed bar charts with seaborn.kdeplot()",
       transform = ax.transAxes,color='k',ha='left',va='center',size=9,fontweight='bold')
#caption
ax.text(.91,-.1,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 8,color='black',fontweight='bold')

结果如下：

更换主题

通过添加如下代码完成：

plt.style.use('dark_background')

可视化效果如下：

添加图片美化

这部分是对绘图结果进行美化操作，大家可以尝试一下。直接给出添加图片的代码：

from mpl_toolkits.axes_grid1.inset_locator import inset_axes

#添加图片
aximins = inset_axes(ax,width=2,height=2,
                      bbox_to_anchor=(.1, .55, .2, .6), #[left, bottom, width, height],
                      bbox_transform=ax.transAxes)
im = aximins.imshow(image,zorder=0)
aximins.axis('off')

将以上代码加入之前的代码即可。最终的效果如下：

暗黑风格的图片添加效果如下：

总结

本期将R-ggplot2绘图和Python-seaborn 进行了汇总整理，一方面因为内容较为基础，另一方面，大家也可以对比下R-ggplot2系列和Python-matplotlib系列绘图。大家可以根据自己喜好选择适合自己的绘图工具。

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2020-12-15，如有侵权请联系 cloudcommunity@tencent.com 删除

python

本文分享自 DataCharm 微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

python

登录后参与评论

0 条评论

热度