Bagaimana untuk Menggunakan Seaborn dengan Antara Muka OOP Matplotlib?

Patricia Arquette
Lepaskan: 2024-10-17 15:20:10
asal
507 orang telah melayarinya

How to Use Seaborn with Matplotlib's OOP Interface?

Memplot dengan Seaborn menggunakan Antara Muka OOP Matplotlib

Seaborn menyediakan antara muka yang mudah untuk mencipta grafik statistik dalam Python. Walau bagaimanapun, sesetengah pengguna lebih suka bekerja dengan matplotlib menggunakan pendekatan berorientasikan objek (OOP). Artikel ini bertujuan untuk menunjukkan cara untuk mencapai perkara ini dalam Seaborn.

Fungsi Tahap Kapak

Fungsi peringkat paksi dalam Seaborn, seperti regplot, boxplot dan kdeplot, boleh dihantar terus objek Axes untuk diplot. Ini membolehkan penyepaduan mudah dengan aliran kerja OOP:

<code class="python">import matplotlib.pyplot as plt
import seaborn as sns

f, (ax1, ax2) = plt.subplots(2)
sns.regplot(x, y, ax=ax1)
sns.kdeplot(x, ax=ax2)</code>
Salin selepas log masuk

Fungsi Aras Rajah

Fungsi peringkat angka dalam Seaborn, seperti relplot, catplot dan lmplot , jana plot yang boleh merangkumi berbilang Axes. Fungsi ini tidak boleh dilalui objek Axes sedia ada. Walau bagaimanapun, sebaik sahaja dipanggil, mereka mengembalikan objek (cth., FacetGrid) yang mendedahkan Rajah dan Kapak asas.

<code class="python">import seaborn as sns

g = sns.lmplot(x, y)
g.fig  # Returns the Figure object
g.axes  # Returns an array of Axes objects</code>
Salin selepas log masuk

Penyesuaian plot peringkat angka mesti dilakukan selepas memanggil fungsi.

Kesimpulan

Dengan menggunakan antara muka OOP yang disediakan oleh kedua-dua matplotlib dan Seaborn, adalah mungkin untuk mencapai tahap kawalan dan fleksibiliti yang tinggi apabila mencipta grafik statistik dalam Python. Fungsi peringkat paksi membenarkan penyepaduan langsung dengan pendekatan OOP matplotlib, manakala fungsi peringkat angka menawarkan keupayaan plot yang lebih kompleks dan komprehensif.

Atas ialah kandungan terperinci Bagaimana untuk Menggunakan Seaborn dengan Antara Muka OOP Matplotlib?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!