boxplot
箱形图中的艺术此示例演示如何使用各种kwargs完全自定义箱形图。第一个图演示了如何删除和添加单个组件（请注意，平均值是默认情况下未显示的唯一值）。第二个图展示了如何定制艺术家的风格。它还演示了如何将胡须的极限设置为特定的百分位数（右下轴） 关于箱形图及其历史的一般参考可以在这里找到：http://vita.had.co.nz/papers/boxplots.pdf 12345678import numpy as npimport matplotlib.pyplot as plt# fake datanp.random.seed(19680801)data = np.random.lognormal(size=(37, 4), mean=1.5, sigma=1.75)labels = list('ABCD')fs = 10 # fontsize 演示如何切换不同元素的显示： 1234567891011121314151617181920212223242526fig, axes = plt.subplots(nrows=2, ncols=3, figsi...
boxplot_color
带有自定义填充颜色的箱形图此图说明了如何创建两种类型的箱形图（矩形和缺口），以及如何通过访问框图的艺术家属性来使用自定义颜色填充它们。 此外，labels参数用于为每个样本提供x-tick标签。 关于箱形图及其历史的一般参考可以在这里找到：http://vita.had.co.nz/papers/boxplots.pdf 1234567891011121314151617181920212223242526272829303132333435363738import matplotlib.pyplot as pltimport numpy as np# Random test datanp.random.seed(19680801)all_data = [np.random.normal(0, std, size=100) for std in range(1, 4)]labels = ['x1', 'x2', 'x3']fig, axes = plt.subplots(nrows=1, ncols=2, figsiz...
boxplot_demo
箱形图用matplotlib可视化箱形图。 以下示例展示了如何使用Matplotlib可视化箱图。有许多选项可以控制它们的外观以及用于汇总数据的统计信息。 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263import matplotlib.pyplot as pltimport numpy as npfrom matplotlib.patches import Polygon# Fixing random state for reproducibilitynp.random.seed(19680801)# fake up some dataspread = np.random.rand(50) * 100center = np.ones(25) * 50flier_high = np.random.rand(10) * 100 + 100flier_low = np.random.rand(10)...
boxplot_vs_violin
箱形图与小提琴图对比请注意，尽管小提琴图与Tukey（1977）的箱形图密切相关，但它们还添加了有用的信息，例如样本数据的分布（密度轨迹）。 默认情况下，箱形图显示1.5 *四分位数范围之外的数据点作为晶须上方或下方的异常值，而小提琴图则显示数据的整个范围。 关于箱形图及其历史的一般参考可以在这里找到：http://vita.had.co.nz/papers/boxplots.pdf 小提琴图需要 matplotlib >= 1.4。 有关小提琴绘制的更多信息，scikit-learn文档有一个很棒的部分：http://scikit-learn.org/stable/modules/density.html 123456789101112131415161718192021222324252627282930313233import matplotlib.pyplot as pltimport numpy as npfig, axes = plt.subplots(nrows=1, ncols=2, figsize=(9, 4))# Fixing random ...
customized_violin
自定义小提琴图此示例演示如何完全自定义小提琴图。 第一个图通过仅提供数据来显示默认样式。第二个图首先限制了matplotlib用额外的kwargs绘制的内容。然后在顶部绘制箱形图的简化表示。 最后，修改了小提琴图的风格。 有关小提琴图的更多信息，scikit-learn文档有一个很棒的部分：http://scikit-learn.org/stable/modules/density.html 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960import matplotlib.pyplot as pltimport numpy as npdef adjacent_values(vals, q1, q3): upper_adjacent_value = q3 + (q3 - q1) * 1.5 upper_adjacent_value = np.clip(upper_adjacent_value, ...
bxp
箱形图抽屉功能此示例演示如何将预先计算的箱形图统计信息传递到框图抽屉。第一个图演示了如何删除和添加单个组件（请注意，平均值是默认情况下未显示的唯一值）。第二个图展示了如何定制艺术风格。 关于箱形图及其历史的一个很好的一般参考可以在这里找到：http://vita.had.co.nz/papers/boxplots.pdf 1234567891011import numpy as npimport matplotlib.pyplot as pltimport matplotlib.cbook as cbook# fake datanp.random.seed(19680801)data = np.random.lognormal(size=(37, 4), mean=1.5, sigma=1.75)labels = list('ABCD')# compute the boxplot statsstats = cbook.boxplot_stats(data, labels=labels, bootstrap=10000) 在我们计算了统计数据之后，我们可以通过...
errorbar
误差条形图功能这展示了误差条形图功能的最基本用法。在这种情况下，为x方向和y方向的误差提供常数值。 12345678910import numpy as npimport matplotlib.pyplot as plt# example datax = np.arange(0.1, 4, 0.5)y = np.exp(-x)fig, ax = plt.subplots()ax.errorbar(x, y, xerr=0.2, yerr=0.4)plt.show() 下载这个示例 下载python源码: errorbar.py 下载Jupyter notebook: errorbar.ipynb
errorbars_and_boxes
使用PatchCollection在误差图中创建箱型图在这个例子中，我们通过在x方向和y方向上添加由条形极限定义的矩形块来拼写一个非常标准的误差条形图。为此，我们必须编写自己的自定义函数 make_error_boxes。仔细检查此函数将揭示matplotlib编写函数的首选模式： an Axes object is passed directly to the function the function operates on the Axes methods directly, not through the pyplot interface plotting kwargs that could be abbreviated are spelled out for better code readability in the future (for example we use facecolor instead of fc) the artists returned by the Axes plotting methods are then returned by the...
hexbin_demo
Hexbin 演示使用Matplotlib绘制hexbins。 Hexbin是一种轴方法或pyplot函数，它基本上是具有六边形单元的二维直方图的pcolor。 它可以比散点图更具信息性。 在下面的第一个图中，尝试用’scatter’代替’hexbin’。 12345678910111213141516171819202122232425262728293031import numpy as npimport matplotlib.pyplot as plt# Fixing random state for reproducibilitynp.random.seed(19680801)n = 100000x = np.random.standard_normal(n)y = 2.0 + 3.0 * x + 4.0 * np.random.standard_normal(n)xmin = x.min()xmax = x.max()ymin = y.min()ymax = y.max()fig, axs = plt.subplots(ncols=2, sharey=True, fi...
errorbar_limits
误差条形图中的上限和下限在matplotlib中，误差条可以有“限制”。对误差线应用限制实质上使误差单向。因此，可以分别通过uplims，lolims，xuplims和xlolims参数在y方向和x方向上应用上限和下限。 这些参数可以是标量或布尔数组。 例如，如果xlolims为True，则x-error条形将仅从数据扩展到递增值。如果uplims是一个填充了False的数组，除了第4和第7个值之外，所有y误差条都是双向的，除了第4和第7个条形，它们将从数据延伸到减小的y值。 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758import numpy as npimport matplotlib.pyplot as plt# example datax = np.array([0.5, 1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0, 4.5, 5.0])y = np.exp(-x)xerr =...
