为了建立变量给定联合分布的观测值之间的简单关系，我们可以使用 Seaborn 创建回归模型的图。要使用回归模型拟合数据集，我们必须首先在 Python 中导入必要的库。我们将为每个回归模型创建图，(a) 线性回归，(b) 多项式回归和 (c) 逻辑回归。在本例中，我们将使用葡萄酒质量数据集，可以从此处访问，https://archive.ics.uci.edu/ml/datasets/wine+quality示例导入 matplotlib.pyplot as plt 导入 seaborn as sns 从 scipy.stats 导入 pearsonr sns.set(style="dark", color_codes=True) #导入数据集 wine_quality = pd.read_csv('winequality-red.csv', delimiter=';') #绘图 ... 阅读更多

图像包含一个 2-D 矩阵 RGB 数据点，可以通过图像的每英寸点数 [DPI] 来定义。图像的分辨率很重要，因为高分辨率图像会具有更高的清晰度。我们在 Matplotlib 中有一个方法 'plt.savefig()'，它根据像素确定图像的大小。理想情况下，它具有一个 'dpi' 参数。让我们看看如何在 Matplotlib 中管理图形的分辨率。示例导入 matplotlib.pyplot as plt 导入 numpy as np #准备直方图数据 np.random.seed(1961) nd = np.random.normal(13, 5, 1000) #定义 ... 阅读更多

为了在绘图或图形中提供路径效果（如阴影效果），我们可以使用 path_effect 属性。例如，让我们看看如何在 Matplotlib 中使用 path_effect 属性向 S 型函数添加阴影效果。导入 matplotlib.pyplot as plt 导入 numpy as np 从 matplotlib.patheffects 导入 PathPatchEffect、SimpleLineShadow、Normal现在让我们定义图形的大小并绘制 S 型函数，plt.style.use('seaborn-deep') plt.subplots(figsize=(10, 10))让我们定义绘图的数据点，x = np.linspace(-10, 10, 50) y = 1+ np.exp(-x))让我们定义绘图中的阴影属性，plt.plot(x, y, linewidth=8, color='blue', path_effects= [SimpleLineShadow(), ... 阅读更多

Matplotlib 对所有图形和绘图都有一个默认的颜色循环，但是，为了绘制具有多个颜色循环的绘图，我们可以使用 Matplotlib 的 cycler 属性。它用于绘制轴的重复模式。首先，我们将使用面向对象 API（如 pyplot）来绘制特定的可视化。从 cycler 导入 cycler 导入 numpy as np 从 matplotlib.backends.backend_agg 导入 FigureCanvasAgg 为 FigureCanvas 从 matplotlib.figure 导入 Figure 从 IPython.core.display 导入 display在本例中，我们将创建两个对象，它们将在每四个对象后重复循环。因此，在创建两个对象后，最后两个 ... 阅读更多

让我们假设我们有一些数据，其中我们必须处理实际时间。要在地图上绘制时区，我们可以在 Python 中使用 'cartopy' 或 'metPy' 包。但是，我们可以使用以下命令在 Anaconda 环境中安装 'cartopy' 包：conda install -c conda-forge cartopy或 conda install -c conda-forge metpy现在，让我们看看如何使用 Matplotlib 在地图上绘制时区。示例导入 numpy as np 导入 cartopy.crs 为 ccrs 导入 matplotlib.animation 为 animation 导入 matplotlib.pyplot 为 plt #定义绘图大小和轴 plt.figure(figsize=(10, 9)) ax = plt.axes(projection=ccrs.PlateCarree()) #应用颜色 ... 阅读更多

让我们假设我们想要动画化一个本质上是指数衰减的函数，例如 y = a(b)^x，其中 b = 生长因子，a = 初始值。指数衰减函数看起来像这样，但是，现在，我们想要动画化并绘制指数衰减的正切函数。首先导入库，导入 numpy as np 导入 matplotlib.pyplot as plt 从 matplotlib.animation 导入 FuncAnimation定义轴，fig、a = plt.subplots()绘制带有轴的空白图形，  xdata、ydata = []、[] line、= ax.plot(xdata, ydata)设置网格的限制，ax.set_xlim(0, 10) ax.set_ylim(-3.0, 3.0) ax.grid()   定义函数到 ... 阅读更多

假设您给定一个包含各种变量和数据点的数据集，因此为了绘制给定数据点的聚类图，我们可以使用 Clustermaps 类。在本例中，我们将从 https://archive.ics.uci.edu/ml/datasets/wine+quality 导入葡萄酒质量数据集。导入 matplotlib.pyplot 为 plt 导入 numpy 为 np 导入 seaborn 为 sns sns.set(style='white') #导入数据集 wine_quality = pd.read_csv（'winequality-red.csv' 分隔符='；'）假设我们有葡萄酒质量数据集和相关联的相关矩阵数据的原始数据。现在让我们绘制数据的聚类图，row_colors = wine_quality["quality"].map(dict(zip(wine_quality["quality"].unique(), "rbg"))) g = sns.clustermap(wine_quality.drop('quality', axis=1), standard_scale=1, robust=True, row_colors=row_colors, cmap='viridis')绘制 ... 阅读更多

要自定义绘图的颜色和颜色图，我们可以使用颜色库中的颜色图属性。我们可以创建两种类型的颜色图：(a) 离散颜色图和 (b) 连续颜色图。我们首先将了解如何创建离散颜色图，然后是连续颜色图。在示例中，我们将使用 'iris' 数据集创建三个绘图，以便第一个绘图使用默认颜色图，另外两个使用 RGB 图创建混合彩色绘图。但是，我们可以根据群集的数量创建任意数量的颜色图。示例导入 matplotlib.pyplot 为 plt 导入 pandas 为 pd ... 阅读更多

当我们在 Matplotlib 中绘制图形时，它会在图形周围创建四个脊柱，顶部、左侧、底部和右侧。脊柱只不过是围绕网格的图形表示的框，它在左侧 (y) 和底部 (x) 显示一些刻度和可刻度的轴。让我们看看如何在给定图形中自定义脊柱。我们将创建六个图形以查看并自定义其脊柱。首先导入工作簿所需的库。导入 numpy 为 np 导入 matplotlib.pyplot 为 plt让我们绘制正弦曲线图，theta = np.linspace(0, 2*np.pi, 128) y = np.sin(theta) fig = plt.figure(figsize=(8, 6))定义 ... 阅读更多

要在绘图或图形上创建自定义标记，我们使用一个列表，在其中写入我们想要在绘图中看到的标记。标记只不过是符号、表情符号、字符或任何我们想要在图形上看到的字符。为了创建标记，我们将首先导入所需的库。导入 matplotlib.pyplot 为 plt 导入 numpy 为 np现在，我们将在正弦曲线上创建一个标记。让我们创建一个大小为 (12, 6) 的网格，x = np.arange(1, 2.6, 0.1) y = np.sin(2 * np.pi * x) plt.subplots(figsize=(12, 6))这里我们将创建 ... 阅读更多