Skip to content

Plot

matplotlib导入

import matplotlib.pyplot as plt
import seaborn as sns

导入绘图库：matplotlib 用于基础绘图，seaborn 用于更美观和统计型绘图。

设置全局的图表属性

plt.rc(
    "figure",
    autolayout=True,
    figsize=(11, 4),
    titlesize=18,
    titleweight='bold',
)

自动布局（避免标题或标签被裁掉）

图大小：11 x 4 英寸

标题字体大小 18，粗体

设置坐标轴样式

plt.rc(
    "axes",
    labelweight="bold",
    labelsize="large",
    titleweight="bold",
    titlesize=16,
    titlepad=10,
)
  • 标签粗体、字号大
  • 坐标轴标题粗体，字号 16，和轴之间的间距 10

在 Jupyter Notebook 里用高清渲染

%config InlineBackend.figure_format = 'retina'

作图

fig, ax = plt.subplots()
ax.plot('Time', 'Hardcover', data=df, color='0.75')

  • 建立一个子图 ax。

  • 使用 折线图 画出时间 (Time) 与销量 (Hardcover) 的趋势。

  • color='0.75' → 灰色线条。

设置标题

ax.set_title('Time Plot of Hardcover Sales');

设置坐标轴比例

ax.set_aspect('equal')

设置坐标轴比例为 1:1，确保横纵方向缩放一致。

在滞后图中这样做很有意义，因为理想情况下，如果今天销量和昨天完全相同，点会分布在 对角线 上。

参数

plot_params = dict(
    color="0.75",
    style=".-",
    markeredgecolor="0.25",
    markerfacecolor="0.25",
    legend=False,
)
ax = y.plot(**plot_params)

plot_params 是一些绘图参数，方便之后直接传递给 plot()。

点阵图

ax = tunnel.plot(style=".", color="0.5")

无legend，线宽

moving_average.plot(
    ax=ax, linewidth=3, title="Tunnel Traffic - 365-Day Moving Average", legend=False,
)

seaborn

样式

import seaborn as sns
print(plt.style.available)
plt.style.use("seaborn-v0_8-whitegrid")

看看可用的样式，使用 seaborn 的白色网格风格，让图表更清晰。

回归散点图

sns.regplot(x='Time', y='Hardcover', data=df, ci=None, scatter_kws=dict(color='0.25'), ax=ax)

用 seaborn 的 回归散点图（regplot）覆盖在上面：

  • 横轴 Time，纵轴 Hardcover
  • ci=None 关闭置信区间
  • scatter_kws=dict(color='0.25') → 点的颜色深灰
  • 回归线展示销量随时间的整体趋势