在循环中使用Matplotlib Seaborn绘图

Matplotlib和Seaborn是Python中两个流行的数据可视化库。在创建多个图时，编写每个图的代码可能会耗费时间并且重复。在本文中，我们将探讨如何使用Matplotlib和Seaborn在循环中创建多个图。

导入库

在开始之前，我们需要导入必要的库。

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

创建示例数据

为了演示目的，让我们创建一些示例数据。我们将使用numpy库生成随机数据。

np.random.seed(0)
data = pd.DataFrame({'x': np.random.randn(100),
                     'y': np.random.randn(100)})

创建单个图

在我们进入创建多个图之前，让我们先使用Matplotlib和Seaborn创建一个单个图。我们将创建一个散点图来显示我们的示例数据。

fig, ax = plt.subplots()
sns.scatterplot(x='x', y='y', data=data, ax=ax)
plt.show()

这将创建一个散点图来显示我们的示例数据。

创建多个图

现在我们有了示例数据并知道如何创建单个图，让我们使用循环创建多个图。我们将创建四个散点图，每个图都有不同的颜色。

colors = ['red', 'green', 'blue', 'orange']

fig, ax = plt.subplots(nrows=2, ncols=2, figsize=(10, 10))
ax = ax.flatten()

for i, c in enumerate(colors):
    sns.scatterplot(x='x', y='y', data=data, ax=ax[i], color=c)
    ax[i].set_title(f'Plot {i+1}')

plt.tight_layout()
plt.show()

这将创建四个散点图，每个图都有不同的颜色。

自定义图表

我们可以通过添加x和y标签、标题并更改标记来进一步自定义我们的图表。

colors = ['red', 'green', 'blue', 'orange']
markers = ['o', 's', '^', 'd']

fig, ax = plt.subplots(nrows=2, ncols=2, figsize=(10, 10))
ax = ax.flatten()

for i, c in enumerate(colors):
    sns.scatterplot(x='x', y='y', data=data, ax=ax[i], color=c, marker=markers[i])
    ax[i].set_title(f'Plot {i+1}')
    ax[i].set_xlabel('X Label')
    ax[i].set_ylabel('Y Label')

plt.tight_layout()
plt.show()

这将创建四个散点图，每个图都有不同的颜色和标记。