发表更新 Ethan Wilkins 数据分析资料 / Pandas4 分钟读完 (大约598个字)

Pandas所有plot的kind样式

每种 kind 类型的 plot() 方法的示例代码，每个示例都展示了一种不同的绘图方式。

1. bar - 垂直柱状图

1
2
3
4
5
6
7
8
9
10
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

data = pd.DataFrame({'Category': ['A', 'B', 'C'], 'Values': [10, 20, 15]})
data.set_index('Category', inplace=True)

data.plot(kind='bar', color='skyblue')
plt.title("Bar Plot")
plt.show()

效果：显示 A、B、C 三个类别的值，以垂直柱状图呈现。

2. barh - 水平柱状图

1
2
3
data.plot(kind='barh', color='green')
plt.title("Horizontal Bar Plot")
plt.show()

效果：与 bar 类似，但方向变为水平。

3. hist - 直方图

1
2
3
4
data_hist = pd.DataFrame({'Values': np.random.randn(1000)})  # 生成 1000 个随机数
data_hist.plot(kind='hist', bins=30, color='purple', alpha=0.7)
plt.title("Histogram")
plt.show()

效果：展示数据分布情况，通常用于查看数据集中值的分布模式。

4. box - 箱型图

1
2
3
4
data_box = pd.DataFrame({'A': np.random.randn(50), 'B': np.random.randn(50) + 2})
data_box.plot(kind='box')
plt.title("Box Plot")
plt.show()

效果：展示数据的四分位数、异常值和中位数情况。

5. kde（或 density）- 核密度估计图

1
2
3
4
data_kde = pd.DataFrame({'Values': np.random.randn(1000)})
data_kde.plot(kind='kde', color='red')
plt.title("KDE Plot")
plt.show()

效果：显示数据的概率密度，适用于观察数据的分布趋势。

6. area - 面积图

1
2
3
4
data_area = pd.DataFrame({'A': np.random.rand(10), 'B': np.random.rand(10)}, index=range(1, 11))
data_area.plot(kind='area', alpha=0.5)
plt.title("Area Plot")
plt.show()

效果：类似折线图，但填充了颜色，适合展示不同系列之间的对比。

7. pie - 饼图

1
2
3
4
5
data_pie = pd.Series([10, 20, 30], index=['A', 'B', 'C'])
data_pie.plot(kind='pie', autopct='%1.1f%%', colors=['blue', 'orange', 'green'])
plt.title("Pie Chart")
plt.ylabel("")  # 隐藏默认的 y 轴标签
plt.show()

效果：显示各部分占比，适用于展示比例关系。

8. scatter - 散点图

1
2
3
4
data_scatter = pd.DataFrame({'X': np.random.rand(50), 'Y': np.random.rand(50)})
data_scatter.plot(kind='scatter', x='X', y='Y', color='blue')
plt.title("Scatter Plot")
plt.show()

效果：用于展示两个变量之间的关系，常见于回归分析。

9. hexbin - 六边形箱图

1
2
3
4
data_hexbin = pd.DataFrame({'X': np.random.randn(1000), 'Y': np.random.randn(1000)})
data_hexbin.plot(kind='hexbin', x='X', y='Y', gridsize=25, cmap='Blues')
plt.title("Hexbin Plot")
plt.show()

效果：适用于大数据量散点分布，通过颜色深浅显示点的密度。

这些示例涵盖了 pandas 支持的各种常见图表类型，具体选择哪种取决于数据特点和分析需求。

发表更新 Ethan Wilkins 数据分析资料 / Matplotlib5 分钟读完 (大约789个字)

Matplotlib所有可用样式

Matplotlib 提供的所有可用样式（style）及其特点介绍：

1. 经典风格

  • classic：Matplotlib 旧版的默认风格，颜色较淡，线条较细，适合习惯早期 Matplotlib 风格的用户。
  • _classic_test_patch：一个用于测试的经典风格，与 classic 类似，主要用于 Matplotlib 内部测试。

2. 现代流行风格

  • ggplot：模仿 R 语言的 ggplot2 主题，使用柔和的颜色，带有网格线，适用于数据分析和统计图表。
  • fivethirtyeight：模仿 FiveThirtyEight 网站的数据可视化风格，线条较粗，颜色鲜明，背景为浅灰色，适合数据新闻或高对比度展示。
  • bmh（Bayesian Methods for Hackers）：
    • 适合统计分析，背景较浅，网格线清晰，线条较粗。
    • 适用于数据科学、统计建模和机器学习可视化。
  • fast：
    • 牺牲部分视觉效果，提升渲染速度，适用于大规模数据集的快速可视化。

3. 深色主题

  • dark_background：
    • 黑色背景，适合夜间模式或需要高对比度的可视化展示。
    • 适用于投影仪演示或屏幕展示。
  • seaborn-v0_8-dark：
    • Seaborn 主题，深色背景，适合夜间模式的可视化。
  • seaborn-v0_8-dark-palette：
    • 深色背景，搭配 Seaborn 颜色方案，颜色较丰富，适合数据展示。
  • seaborn-v0_8-darkgrid：
    • 深色背景 + 网格线，适用于数据趋势分析。

4. 浅色主题

  • seaborn-v0_8-white：
    • 纯白背景，无网格线，适合简洁风格。
  • seaborn-v0_8-whitegrid：
    • 白色背景，带网格线，适合统计数据可视化。

5. 论文、报告风格

  • seaborn-v0_8-paper：
    • 适用于学术论文格式，配色简洁，适合黑白打印。
  • seaborn-v0_8-notebook：
    • 适用于 Jupyter Notebook 环境，可读性强。
  • seaborn-v0_8-poster：
    • 适用于海报或大屏幕展示，字号较大，线条较粗。
  • seaborn-v0_8-talk：
    • 适用于演讲或 PPT 展示，增强了对比度和字体大小。

6. 适合出版或色盲友好的风格

  • grayscale：
    • 所有颜色变成灰阶，适合黑白打印或研究色彩对比。
  • tableau-colorblind10：
    • 适用于色盲用户的 Tableau 颜色方案，提高可读性。

7. Seaborn 主题系列

这些风格都属于 Seaborn 主题，可用于增强 Matplotlib 的可视化美观性：

  • seaborn-v0_8（默认 Seaborn 主题）。
  • seaborn-v0_8-bright（明亮色彩）。
  • seaborn-v0_8-colorblind（色盲友好）。
  • seaborn-v0_8-deep（更深的颜色）。
  • seaborn-v0_8-muted（柔和色调）。
  • seaborn-v0_8-pastel（淡色）。
  • seaborn-v0_8-ticks（适用于带刻度的图表）。

示例：对比不同风格

你可以使用以下代码来快速查看不同风格的效果：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

styles = ['ggplot', 'fivethirtyeight', 'seaborn-v0_8-darkgrid', 'dark_background']

for style in styles:
    plt.style.use(style)
    plt.figure()
    plt.plot(x, y, label=f"Style: {style}")
    plt.legend()
    plt.title(f"Matplotlib Style: {style}")
    plt.show()

链接

分类

归档

标签

AI1
Dash1
Fastapi1
Hex1
NumPy1
Plotly1
RAG1
Web1
动画1
卡片效果1
数据分析6
文字整理1
矩阵计算1
绘图6
设计参考1
进阶2
页面效果1
颜色1

订阅更新

关注我

最新文章

×