Seaborn 如何设置图表的大小

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配色方案，使统计图更具吸引力。它还与 Pandas 的数据结构紧密集成。Seaborn 的目标是将可视化作为数据探索和理解的核心部分。

这种类型的图表允许用户在相同变量之间切换不同的可视化表示，以更好地理解数据集。Seaborn 在各种应用中用于可视化变量之间的关系，检查单变量和双变量分布等。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，或者使用联合图来查看两个变量的联合分布。

语法

在示例中使用以下语法-

pie()

这是一个内置函数，用于按照 seaborn 绘制数据可视化的饼图。

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 的模块中提供。

lineplot()

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

barplot()

这是Python中的内置函数，可以用来表示柱状图。

pointplot()

这个内置方法遵循了seaborn和Matplotlib模块，在x和y坐标相交的特定点上设置圆点。

set()

该方法收集了一个唯一元素的无序集合，对其中的一些属性进行设置。

示例1

在以下示例中，此程序使用matplotlib和seaborn库创建一个饼图。然后使用sns.set()设置了样式。接下来，定义了饼图的数据，包括每个分片的标签、值和每个区域的颜色。使用plt.figure()设置了饼图的大小，然后使用plt.pie()绘制了指定数据和颜色的饼图。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()显示图表。

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

在下面的示例中，我们将根据名为直方图的图表调整seaborn的图表大小。此代码使用matplotlib，numpy和seaborn库生成直方图。使用sns.set()设置样式。然后使用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，指定数据、柱数和颜色。最后，使用plt.show()显示图表。

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，我们将展示基于barplot()的seaborn图表尺寸。通过提及所需的库来开始程序。然后创建水平和垂直轴的数据。接下来，使用subplot来设置所需的图形大小，并将其存储在变量fig，ax中。然后使用barplot来跟随seaborn模块，并接受三个参数-x，y和ax。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

在下面的示例中，我们将展示lineplot()图表的图表大小。首先，提到所需的模块，然后创建符合图表中特定点的x轴和y轴的数据。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，将宽度设置为6，高度设置为2。然后将图表设置为接受参数x、y和ax的lineplot。此方法在图表上构建绘图线条。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

在下面的示例中，我们将使用seaborn和matplotlib库生成一个 pointplot 。通过定义x轴和y轴的数据，并使用plt.subplots()创建一个指定大小的图形和坐标轴。然后使用sns.pointplot()和指定的坐标轴对象绘制数据。最后，使用plt.show()显示绘图结果。

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

在上述文章中，我们讨论了基于seaborn库的不同类型的图表，如饼图（pie()）、直方图（histogram()）、条形图（barplot()）、折线图（lineplot()）、和点图（pointplot()）。根据数据集的要求，所有的图表都有不同的含义。这种类型的图表通常用于分析任何公司或组织的数据。