[PYTHON] (Für diejenigen, die mit Matplotlib nicht vertraut sind) Tipps zum Zeichnen von Diagrammen mit Seaborn

In diesem Artikel werden einige kleine Tipps vorgestellt, die (wahrscheinlich) nicht in vorhandenen Artikeln enthalten sind. Obwohl die meisten von ihnen zur Verwendung von Matplotlib geworden sind, wird der Punkt, an dem Menschen, die Matplotlib noch nie berührt haben, plötzlich versuchen, Seaborn zu verwenden, unter der Voraussetzung der Kenntnis von Matplotlib erklärt. Ich werde schreiben, dass es in der Rolle der Ergänzung nützlich sein wird.

Zeigen Sie das gezeichnete Diagramm an

Es ist eine Funktion auf der matplotlib-Seite und wird angezeigt, wenn plt.show () nach dem Zeichnen aufgerufen wird.

`showyourplot.py`


import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns  # cf. https://www.reddit.com/r/learnpython/comments/5oscmr/why_is_seaborn_commonly_imported_as_sns/

Z = np.random.random(1000)

sns.distplot(Z, kde=False)  # kdf stands for Kernel Density Estimation, which is disabled here.
plt.show()

Ein Fenster wird so angezeigt und Sie können das Diagramm sehen. Sie können es auch manuell von hier aus speichern.

Speichern Sie das gezeichnete Diagramm automatisch

Dies wird auch durch die Funktion von matplotlib gespeichert. Fügen Sie es am Ende des obigen Codes hinzu.

plt.savefig("seaborntest.png ")  # save as png file

Eine solche Datei wurde unter dem Dateinamen seaborntest.png gespeichert.

plt.savefig("seaborntest.pdf")  # output format detected automatically

Sie können es als PDF speichern, indem Sie einfach die Erweiterung ändern. Da die Vektordaten erhalten bleiben, können Sie sie später bei Bedarf mit Adobe Illustrator usw. ändern.

Verhindert, dass sich mehrere Diagramme überlappen

Selbst im obigen Beispiel gibt es zwei Überlappungen. Insbesondere beim Zeichnen und Speichern vieler Diagramme muss der gezeichnete Inhalt jedoch jedes Mal gelöscht werden. Rufen Sie dazu plt.clf () auf.

`savemanyplots.py`


import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

for i in range(10):
    plt.clf()  # flush previous drawings
    sns.set_context('poster')  # use large fonts
    Z = np.random.random(1000)
    sns.distplot(Z, kde=False)
    plt.savefig("seaborntest{0}.png ".format(i),dpi=300)  # output high-resolution png

Wir konnten 10 Ausgaben mit unterschiedlichen Inhalten generieren. Auch hier wird die Schriftgröße mit "set_context (" poster ")" erhöht und mit der Option "savefig" ein hochauflösendes Diagramm mit "pi = 300" erstellt.

Passen Sie die Schriftart an

Je nach Anwendung kann es vorkommen, dass Sie schräge Zeichen, hochgestellte und tiefgestellte Zeichen verwenden möchten. Unten finden Sie ein Beispiel für die Manipulation von Irisdaten. Wenn Sie es in dieser TeX-Notation schreiben, wird es so wiedergegeben, wie es ist. Übrigens wird die Beschriftung der x-Achse gelöscht und die Beschriftung der y-Achse geändert. Wir haben auch die Farbpalette geändert.

`tweakfonts.py`


import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

iris = sns.load_dataset('iris')
iris = iris.replace('setosa', '$sp. \mathrm{str.}$')  # italic and roman
iris = iris.replace('versicolor', '$\mathbf{amp^R}$')  # bold with superstring
iris = iris.replace('virginica', '$mutant_1$')  # italic with substring

sns.set_context('poster')
fig = sns.barplot(x='species',y='sepal_length',data=iris,palette='gray')
fig.set_xlabel('')  # no label on the categorical axis
fig.set_ylabel("Survival Rate")  # refine the y-axis label
plt.savefig('survival.png')

Verknüpfung

Einige Leute haben bereits erklärt, wie man Seaborn im Allgemeinen benutzt, also beziehen Sie sich bitte auf sie. http://qiita.com/hik0107/items/3dc541158fceb3156ee0 http://qiita.com/koji_france/items/47fbb89b0922251a20bb http://qiita.com/koji_france/items/87c5d4d08fdc3ad0e9b4 https://nkmk.github.io/blog/python-seaborn-matplotlib/