技巧1: plt.subplots()
技巧2: plt.subplot()
技巧3: plt.tight_layout()
技巧4: plt.suptitle()
数据集：
让我们导入包并更新图表的默认设置，为图表添加一点个人风格。 我们将在提示上使用 Seaborn 的内置数据集：
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()技巧1: plt.subplots()
绘制多个子图的一种简单方法是使用 plt.subplots() 。
这是绘制 2 个并排子图的示例语法：
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])
在这里，我们在一个图中绘制了两个子图。 我们可以进一步自定义每个子图。
例如，我们可以像这样为每个子图添加标题：
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")
在循环中将所有数值变量用同一组图表示：
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]) 技巧2: plt.subplot()
另一种可视化多个图形的方法是使用 plt.subplot()， 末尾没有 s
语法与之前略有不同：
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)
当我们想为多个图绘制相同类型的图形并在单个图中查看所有图形，该方法特别有用：
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)
我们同样能定制子图形。例如加个 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}")
通过下面的比较，我们能更好的理解它们的相似处与不同处熟悉这两种方法很有用，因为它们可以在不同情况下派上用场。
技巧3: plt.tight_layout()
在绘制多个图形时，经常会看到一些子图的标签在它们的相邻子图上重叠，
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)
顶部两个图表的 x 轴上的变量名称被剪掉，右侧图的 y 轴标签与左侧子图重叠.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()
专业 看起来更好了。
技巧4: plt.suptitle()
真个图形添加标题：
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，您可以根据自己的喜好自定义各个图。 例如，您仍然可以为每个子图添加标题。
到此这篇关于python绘图 四个绘图技巧的文章就介绍到这了，希望大家以后多多支持！
可以通过使用布局类实例的layout属性来设置画布中图表的布局。
图表可以放置在其容器中。 x 和 y 调整位置， w 和 h 调整大小。单位是容器的比例。图表不能放置在其容器之外，并且宽度和高度是主要限制：如果 x + w >1 , 则 x = 1 - w。
x是从左到右的水平位置
y是从顶部开始的垂直位置
h是图表相对于其容器的高度
w是盒子的宽度
除了大小和位置之外，相关属性的模式还可以设置为 factor 或 edge ，默认值是 factor 。
可以将layoutTarget设置为 outer 或 inner 。默认值为 outer 。
图例的位置可以通过设置它的位置进行控制 r , l , t , b 和 tr 分别控制右， 左， 顶部，底部。默认值为 r 。
或应用手动布局
整个数据系列和单个数据点可以通过 graphicalProperties 广泛地设置样式。把事情做好可能需要一些时间。
仪表图组合了一个饼图和一个环形图去创建一个"仪表"。第一个图表时包含四个切片的环形图，前三个切片与仪表的颜色相对应，第二个切片对应仪表的颜色。第四部分是甜甜圈的一半，不可见。
添加了包含三个切片的饼图。第一个和第三个切片是不可见的，因此第二个切片可以充当仪表上的指针。
使用数据系列中各个数据点的图形属性来完成效果。
图表工作表是一个只包含图表的特殊工作表。图表的所有数据必须在不同的工作表上。
