Python-seaborn 基础图表绘制-柱形图(数据分享)

DataCharm

发布于 2021-02-22 15:30:42

1.2K0

发布于 2021-02-22 15:30:42

文章被收录于专栏：数据学术商业新闻

上期介绍了使用R-ggplot绘制基础柱形图的绘制推文，本期按照惯例，我们继续推出Python 版本的绘制方法，当然我们也是经过美化修饰的结果，毕竟要自己看的过去才行。本期推文主要涉及的知识点如下：

Python-seaborn绘制统计直方图
Matplotlib inset_locator.inset_axes()自由添加图片元素

Python-seaborn绘制统计直方图

在使用基础的matplotlib虽然也能绘制出直方统计图，但面对多类别数据则显得较为蛮烦，基本系列课程的目的是为了大家系统掌握各种图表的绘制方法，这里我们还是使用Seaborn进行绘制，再通过设置绘图风格以及必须的美化设置进行定制化操作。这里用到的绘图函数为seaborn.histplot() 用于绘制统计直方图，我们直接给出绘图代码，再做部分知识点解释。绘图代码如下(数据还是使用上期的数据，这里就不放数据预览了，对数据不了解可以查看上期推文即可)：

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

plt.style.use('fivethirtyeight') #设置绘图主题
fig,ax = plt.subplots(figsize=(7,4.5),dpi=200)

#设置字体：这种字体感觉高端大气
plt.rcParams["font.family"] = "Roboto Condensed" 

palette = ['#FF8C03',"#A034F1","#0F8B8B"]
his = sns.histplot(data=data,x="flipper_length_mm",hue="species",palette=palette,alpha=1,
           hue_order=["Adelie","Chinstrap","Gentoo"],lw=.5,edgecolor="black",ax=ax)

#添加标题
#title
ax.text(.08,1.1,"Base Charts in Python Exercise 02: Bar 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.histplot()",
       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')
plt.savefig(r'seaborn_histplot.png',width=7,
            height=4.5,dpi=900,bbox_inches='tight')
plt.show()

知识点：

更改matplotlib 默认主题风格由于具体涉及到较多绘图元素的设置，我们这里直接采用matplotlib内置的主题风格，代码如下：

plt.style.use('fivethirtyeight') #设置绘图主题

文本元素的添加常看我文章的小伙伴可能知道，我在添加一些文本要素(如title、subtitle、caption等)时没有使用其默认的绘图语法，只是使用ax.text()绘制，这样的好处是可以任意设置位置，如下：

#caption
ax.text(.91,-.1,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 8,color='black',fontweight='bold')

注意： transform = ax.transAxes 的设置可以是你的文本要素位置更加灵活，希望大家可以掌握。

最终可视化效果如下：

可视化的效果还是很不错哦

Matplotlib inset_locator.inset_axes()自由添加图片元素

这里的绘图方法，我之前的推文也有说过，既然是基础系列，我这边就尽可能的将每一个重要的知识点单独列出，这里使用了一个matplotlib不怎么常用的绘图方法添加图片元素，即inset_axes()方法，完整带入方法如下：

from mpl_toolkits.axes_grid1.inset_locator import inset_axes

我们直接给出要绘制图片的代码，如下：

img = r"lter_penguins.png"
image = plt.imread(img)
#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代码中即可添加图片，最终的可视化效果如下：