大数据分析师学习入门，10个数据可视化技巧

假设此刻我们行使 subplots，我们有几个图表，个中一个是位于 ax[0] 位置的 seaborn 的 barplot。在这种环境下，在条形图中每个条上获取注释的代码要伟大一些，但很轻易实现：

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’ 

对付图表中的每个「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，以便将值注开释在正确的位置。以相同的方法，我们还可以指定注释的对齐方法、字体巨细和颜色，而「xytext」参数指示我们是否要在某个 x 或 y 偏向移动注释。在上面的例子中，我们将在 y 轴上向下移动注释文本。

5.行使差异颜色区分标签

在某些环境下，在一段时刻或一系列的值中，我们也许丈量了差异种类的物体。譬喻，假设我们丈量 6 个月以来狗和猫的体重。在尝试竣事时，我们想画出每只动物的体重，别离用蓝色和赤色区分猫和狗。为此，在大大都传统画图中，我们可以行使参数「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.改变散点图中点的巨细

行使上面的沟通示例，我们还可以行使从 1 到 5 的刻度暗示图表中动物的巨细。将此特殊指标添加到画图中的一个好选择是修改散点图的巨细，通过「size」参数将巨细指定给新的附加向量，并行使「size」调解它们之间的相关：

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

趁便说一下，假如如上图所示，图例使画图更难阅读，你可以将「legend」参数配置为 false。

7.在数据中包括一行以表现阈值

在实际糊口中的很多环境下，数据高于或低于某个阈值也许是题目提醒信号或错误告诫。假如要在画图中清晰地表现，可以行使以下呼吁添加一行：

ax[0].axvline(32,0，c='r') 

加在那边?

• ax[0] 将是我们要在个中插入行的图表
• 32 将是绘制线的值
• c = 'r' 暗示图表将是赤色的

假如我们行使的是 subplots，那么将 axvline 添加到响应的 axe 就很简朴，如上面的示例所示。可是，假如不行使 subplots，则应执行以下操纵：

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

8.多 Y 轴画图

这大噶?鲱简朴，但也是最有效的能力之一。

偶然我们只必要在图表中添加更多信息，除了在画图的右 y 轴上添加新的怀抱之外，没有其他要领可以绕过它：

ax2=ax[0].twinx() 

此刻可以添加任何要将「ax」参数指向「ax2」的图表

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

请留意，这个例子再次假设你行使的是 subplots。假如没有，你应该遵循与前一点沟通的逻辑：

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() 

请留意，要使其事变，你应该为两个图表中的 x 轴配置始终沟通的数据。不然，它们就不匹配了。

（编辑：湖南网）

【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!