基于Python的科研论文配图绘制（三）

Datawhale 8月 组队学习活动

参考书籍：《科研论文配图绘制指南—— 基于Python》，宁海涛著，人民邮电出版社

一、初识Seaborn

这个库就是相对比较特别的了，Seaborn 在 Matplotlib 的基础上进 行了更加高级的封装，多用于绘制学术统计图。

1. 图类型

   （1）关系型图：包括scatterplot()（散点图、气泡图）、relplot()（数据拟合散点图）、lineplot()（线图、带标记的线图）函数。

   （2）数据分布型图：包括displot()（数据分布图）、histplot()（直方图）、kdeplot()（核密度图）、ecdfplot()（经验分布函数）、rugplot()（轴底部毯形图）等。

   （3）分类数据型图：包括stripplot()（抖动散点图）、swarmplot()（蜂巢图）、boxplot()（箱线图）、boxenplot()（增强型箱线图）等。

   （4）回归模型分析型图：包括lmplot()（数据拟合回归图）、regplot()（线性回归模型拟合图）、residplot()（线性回归残差图）等。

2. 多子图网格型图

   （1）FacetGrid() 函数：可实现数据集中任一变量的分布和数据集子集中多个变量之间关系的可视化展示。

   （2）PairGrid() 函数：用于绘制数据集中具有成对关系的多子图网格型图，每个行和列都会被分配一个不同的变量。

3. 绘图风格、颜色主题和绘图元素缩放比例

   （1）绘图风格：使用set_style()函数并设置其参数style，实现可视化效果。

   （2）颜色主题：使用set_palette() 函数更改颜色主题。

   （3）绘图元素缩放比例：设置set_context()函数的参数context，实现对绘图元素的缩放处理。

二、代码实验

参考书中提供的代码只是核心代码，需要达成上图效果需要自行补充部分内容，例如下面是书中对FacetGrid()函数的核心代码：

1. import Seaborn as sns

2. import matplotlib.pyplot as plt 

3. g = sns.FacetGrid(df, col ='time', hue ='smoker') 

4. g.map(sns.regplot, "total_bill", "tip") 

5. g.add_legend()

而我们需要补充重点就在于①df（纵轴）的描述②文件保存与展示，而对应板块的参考资料增加了更多的参数用来丰富内容，实际效果图大差不差

过去的笔记是直接用的现成的参考材料，只有真正上手后才能发现问题，解决问题

（未完待续）