random.randn(1000) def scatter_hist(x, y, ax, ax_histx, ax_histy): """ 绘制散点图和两个直方图 :param x: X轴坐标序列 :param y:Y轴坐标序列 :param ax:绘制散点图的坐标系统 :param ax_histx: 绘制X轴坐标变量分布直方图的坐标系 :param ax_histy: 绘制Y轴坐标变量分布
add_axes(rect_scatter) ax_histx = fig.add_axes(rect_histx, sharex=ax) ax_histy = fig.add_axes(rect_histy, sharey=ax) x, y = df['IV'], df['VIX'] # use the previously defined function scatter_hist(x, y, ax, ax_histx, ax_histy) ax.plot([0.1, 0.6], [0.1, 0.6], ...
我们将 x 轴和 y 轴的数据传递给该函数,然后将其传递给 ax.scatter() 来画出散点图。我们还可以设置点半径、点颜色和 alpha 透明度,甚至将 y 轴设置为对数尺寸,最后为图指定标题和坐标轴标签。 import matplotlib.pyplot as plt import numpy as np def scatterplot(x_data, y_data, x_label="", y_l...
ax.plot([1, 2, 3, 4], [30, 23, 13, 4], label='Boston') ax.scatter([1, 2, 3, 4], [20, 10, 30, 15], label='Point') ax.set(ylabel='Temperature (deg C)', xlabel='Time', title='A tale of two cities') ax.legend() plt.show() 1. 2. 3. 4. 5. 6. 7. 这里...
一、柱状图 bar、条形图 barh、直方图 hist 二、散点/气泡图 scatter、棉棒图 stem 三、箱线图 boxplot 、极线图 polar 四、误差棒图 errorbar 五、子图划分 五、子图对象 Axes(ax)的行为 本文主要使用的绘图库为 matplotlib、numpy。 官文传送门 ...
histplot(data=penguins, x="flipper_length_mm") ax.xaxis.label.set_size(15) ax.yaxis.label.set_size(15) 它根据其分布分为以下不同部分: 正态分布 这个图表通常是钟形的。 双峰分布 在这个直方图中,有两组呈正态分布的直方图。它是在数据集中组合两个变量的结果。 plotly code 代码语言:javascript ...
distplot直方图是较为特殊的分类关系图，虽然它属于分布函数，但也可视为一种分类。该函数通过hist和kde参数可控制绘制的图是直方图还是密度图，或是二者的结合。fig,axes=plt.subplots(1,2,figsize=(12,5))sns.distplot(df["age"],bins=[0,20,40,60,80,100],hist=True,kde=False,ax=axes[0]) sns....
ax.scatter(df['Age'], df['Sales'], s=df['Income']) # 第三个变量表明根据收入气泡的大小 plt.show() # 9、饼图 var = df.groupby(['Gender']).sum().stack() temp = var.unstack() type(temp) x_list = temp['Sales'] label_list = temp.index plt.axis('equal') plt.pie(x_list...
ax = plt.axes(projection='3d') z = np.linspace(0, 15, 100) x = np.sin(z) y = np.cos(z) ax.plot3D(x, y, z, 'red') ax.scatter3D(x, y, z, 'blue') plt.show() 三维等高线 import numpy as np import matplotlib.pyplot as plt ...
ax[0,0].plot(data.iloc[:,1]) ax[0,1].hist(data.iloc[:,2]) ax[1,0].bar(np.arange(4),data.sum()) ax[1,2].scatter(data.iloc[:,0],data.iloc[:,0]*2 + np.random.randn(100)*6) 二、seaborn用法 http://www.cnblogs.com/douzujun/p/8366283.html ...