在console端输入python语句,会一句输一行,而且不保留你所做的操作,但是每一句之间加一个分号就能很好的解决。
import pylab as Plot Plot.xlim(-150, 150);Plot.ylim(-150, 150);Plot.scatter(yt[:,0], yt[:,1], 20,Labels);
在console端输入python语句,会一句输一行,而且不保留你所做的操作,但是每一句之间加一个分号就能很好的解决。
import pylab as Plot Plot.xlim(-150, 150);Plot.ylim(-150, 150);Plot.scatter(yt[:,0], yt[:,1], 20,Labels);
转载于:https://www.cnblogs.com/kangronghu/p/6188374.html
1
这两个方法来自matplotlib安装库里面ticker.py文件;"MultipleLocator(Locator)"表示将刻度标签设置为Locator的倍数。
2
"FormatStrFormatter"表示设置标签文本的格式,代码中"%1.1f"表示保留小数点后一位,浮点数显示。
3
除了以上方法,还有另外一种方法,那就是使用xticks方法(yticks,x,y表示对应坐标轴),xticks用法可在python cmd下输入以下代码查看:
4
上图中使用了"plt.xticks"方法设置x轴文本,标签文本使用group_labels中的内容,因此可以根据需要修改group_labels中的内容。
5
这幅数据x坐标显示的刻度有点问题,当数据越来越多时,若坐标主刻度间隔未得到合理控制,x坐标上数据显示会越来越乱,如图中红线圈点的数据。
6
按照matplotlib官方document中的用法,对 x axis/ y axis坐标刻度间隔的控制可以基于 matplotlib.ticker里的 MultipleLocator /FormatStrFormatter模块来控制。
END
import matplotlib.pyplot as plt
import numpy as np
x= np.linspace(-1,1,50)#从负一到一生成五十个点
y1= 2*x+1
y2=x**2
plt.figure()
plt.plot(x,y1)#让x和y展示出来
plt.figure(num=2,figsize=(8,5))#num给图片定义名称,figsize给图片定义长宽
plt.plot(x,y2)#让x和y展示出来
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')#在一张图片里显示另外一段线,红色,宽度1,虚线
plt.xlim((-1,2))#x轴取值范围
plt.ylim((-2,3))#y轴取值范围
plt.xlabel('I am x')
plt.ylabel('I am y')#y轴取名
new_ticks = np.linspace(-1,2,5)#负一到二总共五个刻度
print(new_ticks)
plt.xticks(new_ticks)# 换x轴的刻度
plt.yticks([-2,-1.8,-1,1.22,3,],
['really bad','bad','normal','good','really good'])#将刻度修改成名称表示
plt.show() #只有用到show才能让图显示出来
用python画图
设置y轴在右边显示
f, ax = plt.subplots(figsize = (14, 10))
sns.heatmap(corr,cmap='RdBu', linewidths = 0.05, ax = ax)
ax.set_title('Correlation between features', fontsize=18, position=(0.5,1.05))
将y轴或x轴进行逆序
ax.invert_yaxis()
ax.invert_xaxis()
ax.set_xlabel('X Label',fontsize=10)
设置Y轴标签的字体大小和字体颜色
ax.set_ylabel('Y Label',fontsize=15, color='r')
设置坐标轴刻度的字体大小
matplotlib.axes.Axes.tick_params
ax.tick_params(axis='y',labelsize=8) # y轴
ax.tick_params(axis='x',labelsize=6, colors='b', labeltop=True, labelbottom=False) # x轴
将x轴刻度放置在top位置的几种方法
ax.xaxis.set_ticks_position('top')
ax.xaxis.tick_top()
ax.tick_params(axis='x',labelsize=6, colors='b', labeltop=True, labelbottom=False) # x轴
修改tick的字体颜色
ax.tick_params(axis='x', colors='b') # x轴
旋转轴刻度上文字方向的两种方法
ax.set_xticklabels(ax.get_xticklabels(), rotation=-90)
ax.set_xticklabels(corr.index, rotation=90)
单独设置y轴或x轴刻度的字体大小, 调整字体方向
ax.set_yticklabels(ax.get_yticklabels(),fontsize=6)
ax.set_xticklabels(ax.get_xticklabels(), rotation=-90)
旋转轴刻度上文字方向的两种方法
ax.set_xticklabels(ax.get_xticklabels(), rotation=-90)
ax.set_xticklabels(corr.index, rotation=90)
将x轴刻度放置在top位置的几种方法
ax.xaxis.set_ticks_position('top')
ax.xaxis.tick_top()
ax.tick_params(axis='x',labelsize=6, colors='b', labeltop=True, labelbottom=False)
import os
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import math
import seaborn as sns
import matplotlib.gridspec as mg
from sklearn import preprocessing
os.chdir('C:/Users/86178/Desktop')
x = pd.read_table('TME_Sender.csv',index_col=20,sep = ',')
x.iloc[:,0:20] = preprocessing.scale(x.iloc[:,0:20])
y = pd.read_table('ligand_receptor_matrix.txt',sep = '\t',index_col = 0)
z = pd.read_csv('TSK_receiver.csv',index_col= 0)
z.iloc[:,0:22] = preprocessing.scale(z.iloc[:,0:22])
z = z.T
gs = mg.GridSpec(5, 5)
plt.subplot(gs[0:4,1:4])
zz = sns.heatmap(y,cmap='PuRd',linewidths= 1,yticklabels=False,cbar = False)
zz.xaxis.set_ticks_position('top')
zz.set_ylabel('')
zz.set_xticklabels(zz.get_xticklabels(),rotation = 90,family = 'Times New Roman')
plt.subplot(gs[4,1:4])
a = sns.heatmap(x,cmap='bwr',linewidths= 1,xticklabels=False,cbar = False)
a.yaxis.set_ticks_position('right')
a.set_yticklabels(a.get_yticklabels(), rotation=0,family = 'Times New Roman')
a.set_xticklabels(a.get_xticklabels(),family = 'Times New Roman')
plt.ylabel('')
plt.subplot(gs[:4,0])
x = sns.heatmap(z,cbar = False,cmap = 'bwr')
x.xaxis.set_ticks_position('top')
x.set_xticklabels(x.get_xticklabels(),family = 'Times New Roman',rotation = 90)
x.set_yticklabels(x.get_yticklabels(),family = 'Times New Roman')
x.set_xlabel('')
#x.xaxis.set_ticks_position('top')
plt.show()
图片1.png
python设置colorbar
自定义colorbar包含两方面:
自定义colorbar的颜色组合及颜色占比
自定义colorbar的位置和大小
这两项比较简单和实用,matplotlib和seaborn都可以尝试。对于某些特殊的数据分布类型,想在一张图内显示的情况比较适合。
cmap的自定义
cmap本质是一个RGBA格式的颜色列表,元素类型为np.array() ,np.array()里包含4个0-1的元素,前3个是RGB值,第4个为透明度。
seaborn取颜色列表可以用以下方式:
sns.light_palette('blue',reverse=True,n_colors=5)
plt.cm.get_cmap('Blues', 5)
plt.cm.get_cmap('cubehelix', 5)
如果数据中有两组相差比较大的数据构成,可考虑取两组颜色值合并,可通过n_colors参数控制两组颜色的占比,如果存在极值,极值可设置为特殊颜色。
colorbar的位置和大小
可以把colorbar作为单独的axes,自由地定义其位置和占图比例,例如colorbar可以这样设置:cbar_ax = fig.add_axes([0.7, 0.75, 0.025, 0.2]),在seaborn热图中有对应的参数接受自定义的colorbar。
#!/usr/bin/env python
# coding: utf-8 -*-
import pandas as pd
import numpy as np
## 以下为MACOS设置,linux请改为 matplotlib.use('Agg')
matplotlib.use('TkAgg')
## juypter notebook显示图像设置
%matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns
cmap= sns.light_palette('blue',reverse=True,n_colors=5)
cmap2=sns.light_palette('red',reverse=False,n_colors=15)
cmap.extend(cmap2)
cmap.append(np.array([.3,.7,.6,1]))
cmap.insert(0,np.array([.7,.7,.5,1]))
fig = plt.figure(figsize=(4,7))
ax = fig.add_axes([0.38, 0.3, 0.3, 0.65], facecolor = 'white')
cbar_ax = fig.add_axes([0.7, 0.75, 0.025, 0.2])
df = pd.DataFrame(np.random.rand(12,5))
ax = sns.heatmap(df, ax=ax,annot=False, cmap=cmap, linewidths=.5, cbar_ax = cbar_ax)
下图的效果对比更明显
图片.png
画图时候marker参数的设置
marker type 含义
“.” point 点
“,” pixel 像素
“o” circle 圆
“v” triangle_down 下三角
“^” triangle_up 上三角
“
“>” triangle_right 右三角
“1” tri_down 类似奔驰的标志
“2” tri_up 类似奔驰的标志
“3” tri_left 类似奔驰的标志
“4” tri_right 类似奔驰的标志
“8” octagon 八角形
“s” square 正方形
“p” pentagon 五角星
“*” star 星号
“h” hexagon1 六边形1
“H” hexagon2 六边形2
“+” plus 加号
“x” x x
“D” diamond 钻石
“d” thin_diamond 细的钻石
“ “ vline
“-“ hline 水平方向的线
“TICKLEFT” octagon 像素
去掉刻度线
plt.tick_params(bottom=False,top=False,left=False,right=False)