如何用python画图代码设置

使用Python绘图代码的设置方式有多种，常见的方法包括使用Matplotlib库、Seaborn库、Plotly库等。Matplotlib库是最基础也是最广泛使用的绘图库，Seaborn则是在Matplotlib基础上的高级接口，提供更美观的默认样式和更简单的操作，Plotly则适合需要交互式图表的情形。本文将详细介绍这三种方法的设置和使用。

下面将详细介绍如何使用这三种库绘图：

一、MATPLOTLIB

Matplotlib是Python中最流行的绘图库之一，适用于各种静态、动态和交互式图表的创建。

安装Matplotlib

在开始使用Matplotlib之前，需要先安装该库。可以使用以下命令进行安装：

pip install matplotlib

基本使用

1. 绘制简单折线图

首先，我们来绘制一个简单的折线图：

import matplotlib.pyplot as plt
数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
创建图形
plt.plot(x, y)
添加标题和标签
plt.title('Simple Line Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
显示图形
plt.show()

在这个示例中，我们使用plt.plot()函数来绘制折线图，并通过plt.title()、plt.xlabel()和plt.ylabel()函数添加标题和轴标签。

2. 定制图表

Matplotlib提供了丰富的定制选项，可以修改图表的颜色、线型、标记等：

import matplotlib.pyplot as plt
数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
创建图形，定制颜色和线型
plt.plot(x, y, color='green', linestyle='--', marker='o')
添加标题和标签
plt.title('Custom Line Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
显示图形
plt.show()

在这个示例中，我们在plt.plot()函数中添加了color、linestyle和marker参数，分别用于设置线的颜色、线型和标记。

3. 多个子图

Matplotlib还支持在一个图形中绘制多个子图：

import matplotlib.pyplot as plt
数据
x = [1, 2, 3, 4, 5]
y1 = [2, 3, 5, 7, 11]
y2 = [1, 4, 6, 8, 10]
创建图形和子图
fig, axs = plt.subplots(2)
绘制第一个子图
axs[0].plot(x, y1)
axs[0].set_title('First Subplot')
绘制第二个子图
axs[1].plot(x, y2)
axs[1].set_title('Second Subplot')
调整布局
plt.tight_layout()
显示图形
plt.show()

在这个示例中，我们使用plt.subplots()函数创建了两个子图，并分别在axs[0]和axs[1]上绘制图形。

二、SEABORN

Seaborn是一个基于Matplotlib的高级绘图库，提供了更加美观的默认样式和更简单的接口。

安装Seaborn

在开始使用Seaborn之前，需要先安装该库。可以使用以下命令进行安装：

pip install seaborn

基本使用

1. 绘制简单折线图

首先，我们来绘制一个简单的折线图：

import seaborn as sns
import matplotlib.pyplot as plt
数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
创建图形
sns.lineplot(x=x, y=y)
添加标题和标签
plt.title('Simple Line Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
显示图形
plt.show()

在这个示例中，我们使用sns.lineplot()函数来绘制折线图，并通过plt.title()、plt.xlabel()和plt.ylabel()函数添加标题和轴标签。

2. 使用内置数据集

Seaborn提供了一些内置的数据集，可以直接使用：

import seaborn as sns
import matplotlib.pyplot as plt
加载数据集
tips = sns.load_dataset('tips')
绘制箱线图
sns.boxplot(x='day', y='total_bill', data=tips)
添加标题
plt.title('Box Plot of Total Bill by Day')
显示图形
plt.show()

在这个示例中，我们使用了Seaborn的内置数据集tips，并使用sns.boxplot()函数绘制了箱线图。

3. 设置样式

Seaborn提供了多种样式，可以轻松设置：

import seaborn as sns
import matplotlib.pyplot as plt
设置样式
sns.set(style='whitegrid')
数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
创建图形
sns.lineplot(x=x, y=y)
添加标题和标签
plt.title('Line Plot with Whitegrid Style')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
显示图形
plt.show()

在这个示例中，我们使用sns.set()函数将样式设置为whitegrid。

三、PLOTLY

Plotly是一个用于创建交互式图表的库，适用于需要用户交互的情形。

安装Plotly

在开始使用Plotly之前，需要先安装该库。可以使用以下命令进行安装：

pip install plotly

基本使用

1. 绘制简单折线图

首先，我们来绘制一个简单的折线图：

import plotly.graph_objs as go
import plotly.offline as pyo
数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
创建折线图
trace = go.Scatter(x=x, y=y, mode='lines+markers')
data = [trace]
创建图形
layout = go.Layout(title='Simple Line Plot', xaxis=dict(title='X Axis'), yaxis=dict(title='Y Axis'))
fig = go.Figure(data=data, layout=layout)
显示图形
pyo.plot(fig)

在这个示例中，我们使用go.Scatter()函数创建了折线图，并通过go.Layout()函数设置了图形的布局。

2. 创建多个图形

Plotly还支持在一个页面中显示多个图形：

import plotly.graph_objs as go
import plotly.offline as pyo
数据
x = [1, 2, 3, 4, 5]
y1 = [2, 3, 5, 7, 11]
y2 = [1, 4, 6, 8, 10]
创建第一个折线图
trace1 = go.Scatter(x=x, y=y1, mode='lines+markers', name='First Plot')
创建第二个折线图
trace2 = go.Scatter(x=x, y=y2, mode='lines+markers', name='Second Plot')
创建图形
data = [trace1, trace2]
layout = go.Layout(title='Multiple Line Plots', xaxis=dict(title='X Axis'), yaxis=dict(title='Y Axis'))
fig = go.Figure(data=data, layout=layout)
显示图形
pyo.plot(fig)

在这个示例中，我们创建了两个折线图，并将它们添加到同一个图形中显示。

3. 创建交互式图表

Plotly的一个强大功能是支持交互式图表：

import plotly.graph_objs as go
import plotly.offline as pyo
数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
创建折线图
trace = go.Scatter(x=x, y=y, mode='lines+markers', text=['A', 'B', 'C', 'D', 'E'])
data = [trace]
创建图形
layout = go.Layout(title='Interactive Line Plot', xaxis=dict(title='X Axis'), yaxis=dict(title='Y Axis'))
fig = go.Figure(data=data, layout=layout)
显示图形
pyo.plot(fig)