在可視化資料時，通常需要在單個圖形中繪制多個圖形， 例如，如果您想從不同的角度可視化相同的變數（例如，數字變數的并排直方圖和箱線圖），則多個圖形很有用， 在這篇文章中，我分享了繪制多個圖形的 4 個簡單但實用的技巧，
資料集:package:
讓我們匯入包并更新圖表的默認設定，為圖表添加一點個人風格， 我們將在提示上使用 Seaborn 的內置資料集：
import seaborn as sns # v0.11.2
import matplotlib.pyplot as plt # v3.4.2
sns.set(style='darkgrid', context='talk', palette='rainbow')df = sns.load\_dataset('tips')
df.head()
:round_pushpin: 技巧1: plt.subplots()
繪制多個子圖的一種簡單方法是使用 plt.subplots() ， 這是繪制 2 個并排子圖的示例語法：
fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(10,4)) sns.histplot(data=df, x='tip', ax=ax[0]) sns.boxplot(data=df, x='tip', ax=ax[1]);
在這里，我們在一個圖中繪制了兩個子圖， 我們可以進一步自定義每個子圖， 例如，我們可以像這樣為每個子圖添加標題：
fig, ax = plt.subplots(1, 2, figsize=(10,4))
sns.histplot(data=df, x='tip', ax=ax[0])
ax[0].set\_title("Histogram")
sns.boxplot(data=df, x='tip', ax=ax[1])
ax[1].set\_title("Boxplot");
在回圈中將所有數值變數用同一組圖表示：
numerical = df.select\_dtypes('number').columnsfor col in numerical:
fig, ax = plt.subplots(1, 2, figsize=(10,4))
sns.histplot(data=df, x=col, ax=ax[0])
sns.boxplot(data=df, x=col, ax=ax[1]);
:round_pushpin: 技巧2: plt.subplot()
另一種可視化多個圖形的方法是使用 plt.subplot() ，末尾沒有 s ）， 語法與之前略有不同：
plt.figure(figsize=(10,4)) ax1 = plt.subplot(1,2,1) sns.histplot(data=df, x='tip', ax=ax1) ax2 = plt.subplot(1,2,2) sns.boxplot(data=df, x='tip', ax=ax2);
當您想為多個圖繪制相同型別的圖形并在單個圖中查看所有圖形，該方法特別有用：
plt.figure(figsize=(14,4)) for i, col in enumerate(numerical): ax = plt.subplot(1, len(numerical), i+1) sns.boxplot(data=df, x=col, ax=ax)
我們同樣能定制子圖形，例如加個title
plt.figure(figsize=(14,4))
for i, col in enumerate(numerical):
ax = plt.subplot(1, len(numerical), i+1)
sns.boxplot(data=df, x=col, ax=ax)
ax.set\_title(f"Boxplot of {col}")
通過下面的比較，我們能更好的理解它們的相似處與不同處
熟悉這兩種方法很有用，因為它們可以在不同情況下派上用場，
:round_pushpin: 技巧3: plt.tight_layout()
在繪制多個圖形時，經常會看到一些子圖的標簽在它們的相鄰子圖上重疊，如下所示：
categorical = df.select\_dtypes('category').columnsplt.figure(figsize=(8, 8))
for i, col in enumerate(categorical):
ax = plt.subplot(2, 2, i+1)
sns.countplot(data=df, x=col, ax=ax)
頂部兩個圖表的 x 軸上的變數名稱被剪掉，右側圖的 y 軸標簽與左側子圖重疊.使用plt.tight_layout很方便
plt.figure(figsize=(8, 8)) for i, col in enumerate(categorical): ax = plt.subplot(2, 2, i+1) sns.countplot(data=df, x=col, ax=ax) plt.tight\_layout()
專業你個看起來更好了，
:round_pushpin: 技巧4: plt.suptitle()
真個圖形添加標題
plt.figure(figsize=(8, 8))
for i, col in enumerate(categorical):
ax = plt.subplot(2, 2, i+1)
sns.countplot(data=df, x=col, ax=ax)
plt.suptitle('Category counts for all categorical variables')
plt.tight\_layout()
此外，您可以根據自己的喜好自定義各個圖， 例如，您仍然可以為每個子圖添加標題，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/382790.html
標籤：AI
下一篇：R語言進行主成分分析（PCA）、使用prcomp函式進行主成分分析：碎石圖可視化（scree plot）、R通過條形圖（bar plot）來可視化主成分分析的碎石圖（scree plot）