大数据分析师学习入门，10个数据可视化技巧

假设现在我们使用 subplots，我们有几个图表，其中一个是位于 ax[0] 位置的 seaborn 的 barplot。在这种情况下，在条形图中每个条上获取注释的代码要复杂一些，但很容易实现：

for p in ax[0].patches: 
 
ax[0].annotate(“%.2f” % p.get_height(), (p.get_x() + p.get_width() / 2., p.get_height()),  
ha=’center’, va=’center’, fontsize=12, color=’white’, xytext=(0, -10), textcoords=’offset points’ 

对于图表中的每个「patch」或条形图，直到「ha」参数获取条形图的位置、高度和宽度为止，以便将值注释放在正确的位置。以类似的方式，我们还可以指定注释的对齐方式、字体大小和颜色，而「xytext」参数指示我们是否要在某个 x 或 y 方向移动注释。在上面的例子中，我们将在 y 轴上向下移动注释文本。

5.使用不同颜色区分标签

在某些情况下，在一段时间或一系列的值中，我们可能测量了不同种类的物体。例如，假设我们测量 6 个月以来狗和猫的体重。在实验结束时，我们想画出每只动物的体重，分别用蓝色和红色区分猫和狗。为此，在大多数传统绘图中，我们可以使用参数「hue」为元素提供颜色列表。

举个例子：

weight = [5,4,8,2,6,2] month = [‘febrero’,’enero’,’abril’,’junio’,’marzo’,’mayo’] animal_type = [‘dog’,’cat’,’cat’,’dog’,’dog’,’dog’] hue = [‘blue’,’red’,’red’,’blue’,’blue’,’blue’] sns.scatterplot(x=month, y=weight, hue=hue); 

6.改变散点图中点的大小

使用上面的相同示例，我们还可以使用从 1 到 5 的刻度表示图表中动物的大小。将此额外指标添加到绘图中的一个好选择是修改散点图的大小，通过「size」参数将大小指定给新的附加向量，并使用「size」调整它们之间的关系：

size = [2,3,5,1,4,1]  
sns.scatterplot(x=month, y=weight, hue=hue, size=size, sizes= (50,300)); 

顺便说一下，如果如上图所示，图例使绘图更难阅读，你可以将「legend」参数设置为 false。

7.在数据中包含一行以显示阈值

在现实生活中的许多情况下，数据高于或低于某个阈值可能是问题提示信号或错误警告。如果要在绘图中清楚地显示，可以使用以下命令添加一行：

ax[0].axvline(32,0，c='r') 

加在哪里?

• ax[0] 将是我们要在其中插入行的图表
• 32 将是绘制线的值
• c = 'r' 表示图表将是红色的

如果我们使用的是 subplots，那么将 axvline 添加到相应的 axe 就很简单，如上面的示例所示。但是，如果不使用 subplots，则应执行以下操作：

g=sns.scatterplot(x=month，y=weight，hue=hue，legend=false)  
g.axvline(2，c='r')  
plt.show() 

8.多 Y 轴绘图

这可能是最简单，但也是最有用的技巧之一。

有时我们只需要在图表中添加更多信息，除了在绘图的右 y 轴上添加新的度量之外，没有其他方法可以绕过它：

ax2=ax[0].twinx() 

现在可以添加任何要将「ax」参数指向「ax2」的图表

sns.lineplot(x=month, y=average_animal_weight, ax=ax2 

请注意，这个例子再次假设你使用的是 subplots。如果没有，你应该遵循与前一点相同的逻辑：

g = sns.scatterplot(x=month, y=weight, hue=hue, legend=False)  
g.axvline(2,c=’r’)  
ax2 = g.twinx()  
sns.lineplot(x=month, y=average_animal_weight, ax=ax2, c=’y’)  
plt.show() 

请注意，要使其工作，你应该为两个图表中的 x 轴设置始终相同的数据。否则，它们就不匹配了。

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!