画图笔记第二篇，主要记录了柱状图和散点图的画法，同样使用Iris数据集作为示例。
Seaborn 中文文档：https://seaborn.apachecn.org/#/README
seaborn + matplotlib 画图(一): 小提琴图，箱型图
seaborn + matplotlib 画图(二): 柱状图，散点图
seaborn + matplotlib 画图(三): 热图
1. 导入所需包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
2. 载入Iris数据
df = pd.read_csv('http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data', header=None)
df.columns = ['sepal_length','sepal_width','petal_length','petal_width','class']
print(df.shape)
print(df.head())
print(df['class'].value_counts())
-----outputs-----
(150, 5)
sepal_length sepal_width petal_length petal_width class
0 5.1 3.5 1.4 0.2 Iris-setosa
1 4.9 3.0 1.4 0.2 Iris-setosa
2 4.7 3.2 1.3 0.2 Iris-setosa
3 4.6 3.1 1.5 0.2 Iris-setosa
4 5.0 3.6 1.4 0.2 Iris-setosa
Iris-virginica 50
Iris-setosa 50
Iris-versicolor 50
Name: class, dtype: int64
3. 颜色和marker类型
这里贴了3个网站，是matplotlib预设的颜色和marker，方便我们选择颜色和marker形状。
Named colors: https://matplotlib.org/stable/gallery/color/named_colors.html
Colormaps: https://matplotlib.org/stable/tutorials/colors/colormaps.html
Markers: https://matplotlib.org/stable/api/markers_api.html
这里我先为3种不同的鸢尾花指定3种颜色，存放到字典里，方便后面使用。选择的颜色都是named colors里预设的。
另外，用一个列表存储3种鸢尾花的绘图顺序。
pal = {'Iris-setosa':'lightcoral','Iris-versicolor':'navajowhite','Iris-virginica':'cornflowerblue'}
class_order = ['Iris-setosa','Iris-versicolor','Iris-virginica']
4. barplot柱状图
普通柱状图
plt.figure(figsize=(5,5))
g = sns.barplot(data=df, x='class', y='sepal_length', #传入数据
linewidth=1.5, #线宽
palette=pal, #颜色
order=class_order, #顺序
saturation=1, #颜色饱和度，默认0.75
errwidth=2, #error bar线粗细
errcolor='.26', #error bar 颜色，默认'.26'
capsize=0.3, #error bar的宽度
ci='sd') #float or "sd" or None, optional，默认95。使用数值设置置信区间，error bar表示置信区间；"sd"：error bar表示标准差；None：不绘制error bar
ylabel = 'Sepal length'
plt.ylabel(ylabel, fontsize=18)
plt.yticks(fontsize=15)
plt.xlabel('')
plt.xticks(ticks=[0,1,2], labels=['Setosa','Versicolor','Virginiical'],
fontsize=15, ha='center', va='top')
ax = plt.axes()
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.show()
barplot
空心柱状图
plt.figure(figsize=(5,5))
g = sns.barplot(data=df, x='class', y='sepal_length',
linewidth=5,
facecolor='white', edgecolor='coral', #颜色设置成白色
order=class_order, saturation=1,
errwidth=2,ci='sd', capsize=0.3)
ylabel = 'Sepal length'
plt.ylabel(ylabel, fontsize=18)
plt.yticks(fontsize=15)
plt.xlabel('')
plt.xticks(ticks=[0,1,2], labels=['Setosa','Versicolor','Virginiical'],
fontsize=15, ha='center', va='top')
ax = plt.axes()
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.show()
barplot
自定义颜色的柱状图
这里我们想展示30个样本的petal length，每种iris取前10个样本。这里最后一列的id是上一篇笔记中加入的。
df2 = pd.concat([df.iloc[:10,:],df.iloc[50:60,:],df.iloc[100:110,:]])
print(df2.shape)
print(df2.head())
print(df2['class'].value_counts())
-----outputs-----
(30, 6)
sepal_length sepal_width petal_length petal_width class id
0 5.1 3.5 1.4 0.2 Iris-setosa setosa-1
1 4.9 3.0 1.4 0.2 Iris-setosa setosa-2
2 4.7 3.2 1.3 0.2 Iris-setosa setosa-3
3 4.6 3.1 1.5 0.2 Iris-setosa setosa-4
4 5.0 3.6 1.4 0.2 Iris-setosa setosa-5
Iris-setosa 10
Iris-virginica 10
Iris-versicolor 10
Name: class, dtype: int64
color_list = [pal[i] for i in df2['class']]
plt.figure(figsize=(10,5))
g = sns.barplot(y='petal_length', x='id', data=df2,
palette=color_list) #通过color_list自定义每个柱的颜色
ylabel = 'Petal length'
plt.ylabel(ylabel, fontsize=18)
plt.yticks(fontsize=15)
plt.xlabel('')
plt.xticks(fontsize=12, ha='right', va='center', rotation=90, rotation_mode='anchor')
ax = plt.gca()
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
import matplotlib.patches as mpatches #创建图注
patches = [mpatches.Patch(color=color,label=iris) for iris,color in pal.items()]
ax.legend(handles=patches,
fontsize=12, frameon=False,
loc='center left', bbox_to_anchor=(0.05,0.85))
plt.show()
barplot
5. scatterplot散点图
以sepal length为x轴，petal length为y轴，绘制散点图。
point_size = []
plt.figure(figsize=(5,5))
sns.scatterplot(x='sepal_length',y='petal_length',data=df, #传入数据
alpha=1, #透明度
color='coral', #颜色
edgecolor=None, #边线颜色，None则无边线
s=80, #点的大小
marker='*') #点的形状，更多形状参考上面的网址
xlabel,ylabel = 'Sepal length','Petal length'
plt.ylabel(ylabel, fontsize=18)
plt.yticks(fontsize=15)
plt.xlabel(xlabel, fontsize=18)
plt.xticks(fontsize=15)
plt.show()
scatterplot
根据鸢尾花的种类设置不同的颜色、marker类型和大小：
point_color = {'Iris-setosa':'lightcoral','Iris-versicolor':'navajowhite','Iris-virginica':'cornflowerblue'}
point_size = {'Iris-setosa':30,'Iris-versicolor':60,'Iris-virginica':90}
point_style = {'Iris-setosa':'X','Iris-versicolor':'v','Iris-virginica':'P'}
plt.figure(figsize=(5,5))
sns.scatterplot(x='sepal_length',y='petal_length', data=df, #传入数据
hue='class', palette=point_color, #根据hue的列绘制不同颜色
size='class', sizes=point_size, #根据size的列绘制不同大小
style='class', markers=point_style, #根据style的列绘制不同marker类型
alpha=0.75, edgecolor='k') #设置透明度和边线颜色
xlabel,ylabel = 'Sepal length','Petal length'
plt.ylabel(ylabel, fontsize=18)
plt.yticks(fontsize=15)
plt.xlabel(xlabel, fontsize=18)
plt.xticks(fontsize=15)
plt.legend(loc='upper left', #设置legend box的某一点为anchor
bbox_to_anchor=(1,1), #设置anchor在图像中的位置
ncol=1, #legend列数，默认为1
title=None, #标题，默认为None
fontsize=12, #字体大小
markerscale=1.5, # legend中marker相对图中marker的比例, 1表示相同
markerfirst=True, #marker是否在前
borderpad=None, #float,frame大小,默认为None
labelspacing=None, #float,默认为None,图注间的垂直距离
handlelength=None, #float,默认为None,图注长度
handletextpad=None, #float,默认为None,图注与文字间的距离
columnspacing=None, #float,默认None,列之间的距离
frameon=False, #是否要边框
shadow=False, #shdow: frameon为True时,legend边框是否有阴影
framealpha=1, # frameon为True时,设置frame(底板)的透明度; ;
facecolor=None, #frameon为True时,设置legend box的背景颜色
edgecolor=None) # frameon为True时,设置legend box的边框颜色
plt.show()
scatterplot
