如何设置 Seaborn 图表大小？

---

Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库。它提供了美观的默认样式和调色板，使统计图更具吸引力。它也与 Pandas 中的数据结构紧密集成。Seaborn 的目标是使可视化成为探索和理解数据的核心部分。

这种类型的图表允许用户在同一变量的不同视觉表示之间切换，以便更好地理解数据集。Seaborn 用于各种应用，例如可视化变量之间的关系、检查单变量和双变量分布等等。单变量分布显示单个变量的分布，而双变量分布显示两个变量的联合分布。例如，您可以使用直方图查看单个变量的分布，或使用联合图查看两个变量的联合分布。

语法

以下语法在示例中使用 -

pie()

这是一个内置函数，它遵循 Seaborn 绘制用于数据可视化的饼图。

figure()

Python 中的 figure 方法用于根据不同的内置函数（如 pie()、lineplot() 等）设置不同图形的图形大小。

hist()

hist() 是 Python 中的内置方法，用于创建直方图。它在名为 numpy 和 matplotlib 的模块中可用。

lineplot()

使用 line plot() 方法绘制具有许多语义组的线图。它可以在 Seaborn 库中访问，Seaborn 库是一个基于 matplotlib 的 Python 数据可视化库。

barplot()

这是一个 Python 中的内置函数，可用于表示条形图。

pointplot()

此内置方法遵循 Seaborn 和 Matplotlib 模块，在 x 和 y 坐标在特定点相遇时设置圆形点。

set()

此方法收集唯一元素的无序集合，并在其中设置一些属性。

示例 1

在以下示例中，此程序使用 matplotlib 和 seaborn 库创建饼图。然后使用 sns.set() 设置样式。接下来，定义饼图的数据，包括每个扇区的标签和值以及每个区域的颜色。使用 plt.figure() 设置饼图的大小，然后使用 plt.pie() 绘制饼图，并使用指定的数据和颜色。使用 plt.axis() 将轴设置为相等，以确保饼图显示为圆形。最后，使用 plt.show() 显示绘图。

import matplotlib.pyplot as plt
import seaborn as sns

# Set the style and color palette
sns.set(style='white')

# Data Plotting
student = 'Raju', 'Mohan', 'Shyam', 'Rita'
weight = [80, 64, 72, 51]
color_region = ['#f0bb0c', '#6a7542', '#780423', 
'#03fcfc']

# Set the size of the pie chart
plt.figure(figsize=(4,4))

# Plot to set the different color region to each student
plt.pie(weight, labels = student, colors = color_region )
plt.axis('equal')
plt.show()

输出

示例 2

在以下示例中，我们将根据名为直方图的图形设置 Seaborn 图表大小。此代码使用 matplotlib、numpy 和 seaborn 库生成直方图。使用 sns.set() 设置样式。接下来，使用 np.random.randn() 方法生成随机数据。使用 plt.figure() 设置直方图的大小。然后使用 plt.hist() 绘制直方图，并使用指定的数据、bin 数和颜色。最后，使用 plt.show() 显示绘图。

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
sns.set(style='darkgrid')

# To generate the random data by using a random method
data = np.random.randn(1000)

# Set the size of the histogram
plt.figure(figsize=(6,6))

# Plot
plt.hist(data, bins=10, color='#738050')
plt.show()

输出

示例 3

在以下示例中，我们将根据 barplot() 显示 Seaborn 图表大小。首先，提及必要的库。然后为水平和垂直轴创建数据。接下来，使用 subplot 设置所需图形大小，并将其存储在变量 fig、ax 中。然后使用遵循 Seaborn 模块并接受三个参数（x、y 和 ax）的 barplot。最后，使用 show() 方法打印结果。

import seaborn as sns
import matplotlib.pyplot as plt

# create data
color = ['Blue', 'Orange', 'Green','darkpink']
color_percentage = [30, 10, 40, 60]

# Create a figure and axes with the desired size
fig, ax = plt.subplots(figsize=(6, 4))

# Plot the data
sns.barplot(x=color, y=color_percentage, ax=ax)
plt.show()

输出

示例 4

在以下示例中，我们将显示 lineplot() 图表的大小。首先，提及必要的模块，然后为在图形中满足特定点的 x 和 y 轴创建数据。接下来，使用内置方法 subplots 设置图形大小，该方法设置名为 figsize 的参数，该参数将宽度设置为 6，高度设置为 2。然后将图形设置为 lineplot，该图形接受参数 - x、y 和 ax。此方法在图形上构建绘图线。最后，使用名为 show() 的方法获取结果。

import seaborn as sns
import matplotlib.pyplot as plt

# Data
x_axes = [10, 21, 33, 5, 11]
y_axes = [3, 11, 94, 7, 2]

# Create a figure and axes with the desired size
fig, ax = plt.subplots(figsize=(6, 2))

# Plot the data
sns.lineplot(x=x_axes, y=y_axes, ax=ax)
plt.show()

输出

示例 5

在以下示例中，我们将使用 seaborn 和 matplotlib 库生成一个 **pointplot**。定义 x 和 y 轴的数据，并使用 plt.subplots() 创建具有所需大小的图形和轴。然后使用 sns.pointplot() 和指定的轴对象绘制数据。最后，使用 plt.show() 显示绘图。

import seaborn as sns
import matplotlib.pyplot as plt

# Data
x_ax = ['A', 'B', 'C', 'D', 'E', 'F']
y_ax = [3, 1, 4, 9, 2, 6]

# Create a figure and axes with the desired size
fig, ax = plt.subplots(figsize=(8, 3))

# Plot the data
sns.pointplot(x=x_ax, y=y_ax, ax=ax)
plt.show()

输出

结论

在本文中，我们讨论了基于 seaborn 库的不同类型的图表，例如 pie()、histogram()、barplot()、lineplot() 和 pointplot()。根据数据集的要求，所有绘图都有不同的含义。这种类型的图形通常用于分析任何公司或组织的数据。