plotnine语法框架

plotnine主要包括数据绘图部分与美化细节部分。

对于plotnine包可以使用"pip install poltnine"语句进行安装，在python中默认的导入语句为：

from plotnine import *

如果要导入plotnine自带的数据集，则可以使用如下语句：

from plotnine.data import

具体语法框架如下：

plotnine绘图包含必须的图表输入信息：

(1)ggplot():底层绘图函数。data为数据集，主要是数据框格式的数据集，mapping表示变量的映射，用来表示变量X和Y，还可以用来控制颜色(color)、大小(size)或形状(shape)。

(2)geom_xxx()|stat_xxx():几何图层或统计变换，比如常见的散点图geom_point()、柱形图geom_bar()、统计直方图geom_histogram()、箱形图geom_boxplot()、折线图geom_line()等。通过使用geom_XXX()就可以绘制大部分图表，有时通过设定stat参数可以实现统计变换。

plotnine可选的图表输入信息包括如下5部分，主要用于实现对图表的美化与变换。

(1)scale_xxx:度量调整，调整具体的度量，包括颜色(color)、大小(size)或形状(shape)等，跟mapping的映射变量相对应。

(2)face_xxx：分面系统，将某个变量进行分面变换，包括按行、按列和按网格等形式进行分面绘图。

(3)coord_xxx():笛卡尔坐标系。

(4)guides():图例调整，主要包括连续型和离散型的图例。

(5)theme():主题设定，主要是调整图表的细节，包括图表背景颜色、网格线的间隔与颜色。

01

geom_xxx()与stat_xxx()

1.几何对象函数:geom_xxx():

plotnine包中包含几十种不同的对象函数geom_xxx()和统计变换函数stat_xxx()。根据函数输入的变量总数与数据类型(连续型或者离散型)，可以总结成如下形式：

变量数	类型	函数	常见图表类型
1	连续型	geom_histogram()、geom_density()、geom_dotplot()、geom_freqploly()、geom_qq()、geom_area()	统计直方图、核密度估计曲线图
1	离散型	geom_bar()	柱形图系列
2	X-连续型 Y-连续型	geom_point()、geom_area()、geom_line()、geom_jitter()、geom_smooth()、geom_label()、geom_text()、geom_bin2d()、geom_density2d()、geom_step()、geom_quantile()、geom_rug()	散点图系列、面积图系列、折线图系列；散点抖动图、平滑曲线图；文本、标签、二维统计直方图、二维核密度图
2	X-离散型Y-连续型	geom_boxplot()、geom_violin()、geom_dotplot()、geom_col()	箱形图、小提琴图、点阵图、统计直方图
2	X-连续型Y-离散型	geom_count()	二维统计直方图
3	X,Y,Z连续型	geom_title()	热力图

除此之外还有以下两类：

(1)图元系列函数：

geom_curve()、geom_path()、geom_polygon()、geom_rect()、geom_ribbon()、geom_linerange()、geom_abline()、geom_hline()、geom_vline、geom_segment()、geom_spoke()这些函数用于绘制基本的图表元素，例如矩形方块、多边形、线段等

(2)误差展示函数：

geom_crossbar()、geom_errorbar()、geom_errorbarh()、geom_pointrange()可以分别绘制误差框、竖直误差线、水平误差线、带误差棒的均值点。这些函数需要先设置统计(stat)变换参数，才能自动根据数据计算得到均值与标准差。

2.统计变换函数:stat_xxx():

统计变换函数(stat_xxx())在数据被绘制出来之前对数据进行聚合和其他计算。stat_xxx()确定了数据的计算方法，不同方法的计算会产生不同的结果，stat_xxx()函数必须与一个geom_xxx()函数对应进行数据的计算。

通过以下两段代码来说明stat_xxx()的使用场景：

均值散点图

(a)(ggplot(mydata,aes(x='class',y='value',fill='class'))+ stat_summary(fun_data='mean_sdl',fun_args={
    'mul':1},geom='point',fill='w',color='black',size=5)) (b)(ggplot(mydata,aes(x='class',y='value',fill='class'))+ geom_point(stat='summary',fun_data='mean_sdl',fun_args={
    'mul':1},geom='point',fill='w',color='black',size=5))

    语句(a)与语句(b)的效果是一样的，语句(a)是使用指定geom='point'(散点)的stat_summary()语句，而语句(b)是使用指定stat='summary'的geom_point语句，其中fun.data表示指定完整的汇总函数，输入数字向量，输出数据框，常见4种为mean_cl_boot、mean_cl_normal、mean_sdl、median_hilow。fun.y表示指定对y的汇总函数，同样是输入数字向量，返回单个数字median或mean等，这里的y通常会被分组，汇总后是每组返回1个数字。

    当绘制的图表不涉及统计变换时，可以直接使用geom_xxx()函数，也无须设定stat参数，因为默认stat='identuty'(无数据变换)。只有涉及统计变换处理时，才需使用更改stat的参数，或者直接使用stat_xxx()以强调数据的统计变换。

02

美学参数映射

plotnine可用作变量的美学映射参数主要包括color/col/colour、fill、size、angle、linetype、shape、vjust和hjust。

plotnine和matplotlib中可供选择的形状

import numpy as np import matplotlib.pyplot as plt from matplotlib.lines import Line2D points = np.ones(3)  # Draw 3 points for each line text_style = dict(horizontalalignment='right', verticalalignment='center',                   fontsize=12, fontdict={
    'family': 'monospace'}) marker_style = dict(linestyle=':', color='k', markersize=10,                     mfc="C0", mec="C0") def format_axes(ax):     ax.margins(0.2)     ax.set_axis_off()     ax.invert_yaxis() def nice_repr(text):     return repr(text).lstrip('u') def math_repr(text):     tx = repr(text).lstrip('u').strip("'").strip("$")     return r"'\${}\$'".format(tx) def split_list(a_list):     i_half = len(a_list) // 2     return (a_list[:i_half], a_list[i_half:]) fig, axes = plt.subplots(ncols=2) fig.suptitle('un-filled markers', fontsize=14) # Filter out filled markers and marker settings that do nothing. unfilled_markers = [m for m, func in Line2D.markers.items()                     if func != 'nothing' and m not in Line2D.filled_markers] for ax, markers in zip(axes, split_list(unfilled_markers)):     for y, marker in enumerate(markers):         ax.text(-0.5, y, nice_repr(marker), **text_style)         ax.plot(y * points, marker=marker, **marker_style)         format_axes(ax) plt.show() fig, axes = plt.subplots(ncols=2) for ax, markers in zip(axes, split_list(Line2D.filled_markers)):     for y, marker in enumerate(markers):         ax.text(-0.5, y, nice_repr(marker), **text_style)         ax.plot(y * points, marker=marker, **marker_style)         format_axes(ax) fig.suptitle('filled markers', fontsize=14) plt.show()

具体形状如下：

不同的美学参数映射效果

import pandas as pd import numpy as np from plotnine import * #from plotnine.data import * import matplotlib.pyplot as plt  import matplotlib #plt.rc('font',family='Times New Roman') matplotlib.rcParams['font.family'] = 'Times New Roman' df=pd.read_csv("Facet_Data.csv") #-----------------------------------(a) age映射到点的大小size-------------------------- p1=(ggplot(df, aes(x='SOD',y='tau',size='age')) +    geom_point(shape='o',color="black",              fill="#336A97",stroke=0.25,alpha=0.8)+              theme(text=element_text(size=12,colour = "black"),         aspect_ratio =1,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p1) #p1.save("plotnine1.pdf")  #----------------------------------(b) age映射到点的大小size和填充颜色fill------------------ p2=(ggplot(df, aes(x='SOD',y='tau',size='age',fill='age')) +    geom_point(shape='o',color="black",stroke=0.25, alpha=0.8)+   #scale_fill_distiller(type='seq', palette='blues') +              theme(text=element_text(size=12,colour = "black"),         aspect_ratio =1,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p2) #p2.save("plotnine2.pdf")  #-------------------------(c) Class映射到点的颜色填充fill---------------------------------- p3=(ggplot(df, aes(x='SOD',y='tau',fill='Class')) +    geom_point(shape='o',size=3,colour="black",stroke=0.25)+   #scale_fill_hue(s = 0.90, l = 0.65, h=0.0417,color_space='husl')+              theme(text=element_text(size=12,colour = "black"),         aspect_ratio =1,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p3) #p3.save("plotnine3.pdf")  #-------------------------(d) age和Class分别映射到点的大小size和颜色fill-------------------- p4=(ggplot(df, aes(x='SOD',y='tau',size='age',fill='Class')) +    geom_point(shape='o',colour="black",stroke=0.25, alpha=0.8)+   #scale_fill_hue(s = 0.90, l = 0.65, h=0.0417,color_space='husl')+              theme(text=element_text(size=12,colour = "black"),         aspect_ratio =1,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p4) p4.save("plotnine4.pdf") 

不同的字体格式

from matplotlib.font_manager import FontProperties import matplotlib.pyplot as plt fig =plt.figure() plt.subplot(111, facecolor='w') font0 = FontProperties() alignment = {
    'horizontalalignment': 'center', 'verticalalignment': 'baseline'} # Show family options families = ['serif', 'sans-serif', 'cursive', 'fantasy', 'monospace'] font1 = font0.copy() font1.set_size('large') t = plt.text(-0.8, 0.9, 'family', fontproperties=font1,              **alignment) yp = [0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2] for k, family in enumerate(families):     font = font0.copy()     font.set_family(family)     t = plt.text(-0.8, yp[k], family, fontproperties=font,                  **alignment) # Show style options styles = ['normal', 'italic', 'oblique'] t = plt.text(-0.4, 0.9, 'style', fontproperties=font1,              **alignment) for k, style in enumerate(styles):     font = font0.copy()     font.set_family('sans-serif')     font.set_style(style)     t = plt.text(-0.4, yp[k], style, fontproperties=font,                  **alignment) # Show variant options variants = ['normal', 'small-caps'] t = plt.text(0.0, 0.9, 'variant', fontproperties=font1,              **alignment) for k, variant in enumerate(variants):     font = font0.copy()     font.set_family('serif')     font.set_variant(variant)     t = plt.text(0.0, yp[k], variant, fontproperties=font,                  **alignment) # Show weight options weights = ['light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black'] t = plt.text(0.4, 0.9, 'weight', fontproperties=font1,              **alignment) for k, weight in enumerate(weights):     font = font0.copy()     font.set_weight(weight)     t = plt.text(0.4, yp[k], weight, fontproperties=font,                  **alignment) # Show size options sizes = ['xx-small', 'x-small', 'small', 'medium', 'large',          'x-large', 'xx-large'] t = plt.text(0.8, 0.9, 'size', fontproperties=font1,              **alignment) for k, size in enumerate(sizes):     font = font0.copy()     font.set_size(size)     t = plt.text(0.8, yp[k], size, fontproperties=font,                  **alignment) # Show bold italic font = font0.copy() font.set_style('italic') font.set_weight('bold') font.set_size('x-small') t = plt.text(-0.4, 0.1, 'bold italic', fontproperties=font,              **alignment) font = font0.copy() font.set_style('italic') font.set_weight('bold') font.set_size('medium') t = plt.text(-0.4, 0.2, 'bold italic', fontproperties=font,              **alignment) font = font0.copy() font.set_style('italic') font.set_weight('bold') font.set_size('x-large') t = plt.text(-0.4, 0.3, 'bold italic', fontproperties=font,              **alignment) plt.axis([-1.2, 1.2, 0, 1.05]) plt.show()

修改字体的显示

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False   #用来正常显示正负号

03

度量调整

    度量用于控制变量映射到视觉对象的具体细节，比如X轴和Y轴、colour(轮廓颜色)、fill(填充颜色)、alpha(透明度)、linetype(线性状)、shape(形状)和size(大小)，它们都有相应的度量函数，度量函数分为数值型和类别型两大类。plotnine的默认度量为scale_xxx_identity()。需要主要的是：scale_*_manual()表示手动自定义离散的度量，包括color、fill、alpha、linetype、shape和size等美学映射参数。

常见的度量函数如下：

度量(sacle)	数值型	类别型
x：X轴度量y：Y轴度量	scale_x/y_contimous()scale_x/y_log10()scale_x/y_sqrt()scale_x/y_reverse()scale_x/y_date()scale_x/y_datetime()scale_x/y_time()	scale_x/y_discrete()
colour:轮廓颜色度量 fill：填充颜色度量	scale_fill_cmap() scale_color/fill_continuous() sacle_fill_distiller() scale_color/fill_gradient()scale_color/fill_gradient2()scale_color/fill_gradientn()	scale_color_hue()scale_color_discrete()scale_color_brwer()scale_color_manual()
alpha:透明度	sacle_alpha_continuous()	sacle_alpha_discreeate()sacle_alpha_manual()
linetype:线性状		scale_linetype_discrete() sacle_linetype_manual()
shape:形状度量		scale_shape() sacle_shape_manual()
scale:大小度量	scale_size() scale_size_area()	scale_size_manual()

还是用之前的数据集分别展示散点图的不同度量的调整效果，这里的(a)图是将数值离散型变量age映射到散点的大小(size)，在使用scale_size(range=(a,b))调整散点大小(size)的度量，range表示美学映射参数变量转化后气泡面积的映射显示范围。(b)图的基础上添加了颜色的映射，使用scale_fill_distiller(type='seq',palette='Reds')函数将数值离散型变量age映射到红色渐变色条。(c)图将类别离散型变量class映射到不同的填充(fill)和形状(shape)，使用scale_*_manual()手动自定义fill和shape的度量。(d)图是将数值离散型变量age和类别离散型变量class分别映射到点的大小(size)和填充颜色(fill)，再将scale_size()和scale_fill_manual()分别调整散点大小(size)的映射范围与填充颜色(fill)的颜色数值。

(a)图

(b)图

(c)图

(d)图

具体代码如下：

散点图的不同度量的调整效果

import pandas as pd import numpy as np from plotnine import * #from plotnine.data import * import matplotlib.pyplot as plt  import matplotlib #plt.rc('font',family='Times New Roman') matplotlib.rcParams['font.family'] = 'Times New Roman' df=pd.read_csv("Facet_Data.csv") #-------------------------------(a) 点大小size的度量调整 ------------------------ p5=(ggplot(df, aes(x='SOD',y='tau',size='age')) +    geom_point(shape='o',color="black",              fill="#FF0000",stroke=0.25,alpha=0.8)+              scale_size(range = (1, 8))+              theme(text=element_text(size=12,colour = "black"),         aspect_ratio =1,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p1) #p1.save("plotnine1.pdf")  #---------------------------(b) 点大小size和填充颜色fill的度量调整---------------- p6=(ggplot(df, aes(x='SOD',y='tau',fill='age',size='age')) +    geom_point(shape='o',color="black",stroke=0.25,alpha=0.8)+              scale_size(range = (1, 8))+              scale_fill_distiller(type='seq', palette="Reds")+              theme(text=element_text(size=12,colour = "black"),         aspect_ratio =1,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p2) #p2.save("plotnine2.pdf")  #-------------------------------(c)点颜色填充fill与形状shape的度量调整------------------- p7=(ggplot(df, aes(x='SOD',y='tau',fill='Class',shape='Class')) +    geom_point(size=3,colour="black",stroke=0.25)+   scale_fill_manual(values=("#36BED9","#FF0000","#FBAD01"))+    scale_shape_manual(values=('o','s','D'))+    #scale_fill_hue(s = 0.90, l = 0.65, h=0.0417,color_space='husl')+              theme(text=element_text(size=12,colour = "black"),         aspect_ratio =1,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p3) p3.save("plotnine3.pdf")  #-------------------------------(d)点大小size和颜色fill的度量调整----------------- p8=(ggplot(df, aes(x='SOD',y='tau',size='age',fill='Class')) +    geom_point(shape='o',colour="black",stroke=0.25, alpha=0.8)+   scale_fill_manual(values=("#36BED9","#FF0000","#FBAD01"))+   scale_size(range = (1, 8))+              theme(text=element_text(size=12,colour = "black"),         aspect_ratio =1,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p4)

04

坐标系及其度量

    plotnine的直角坐标系包括coord_cartesian()、coord_fixed()、coord_fixed()和coord_flip()和coord_trans()四种类型。plotnine默认为直角坐标系coord_cartesian()。

    在绘制条形图或者水平箱形图时，需要使用coord_flip()函数转坐标系。会将X轴和Y轴对换，从而将竖直的柱形图转换成水平的条形图。

以下就是常用的直角坐标系下的散点图和气泡图：

直角坐标系下的散点图和气泡图

import pandas as pd import numpy as np from plotnine import * mydata=pd.read_csv("Bubble_Data.csv") Colnames=mydata.columns.values.tolist() base_plot=(ggplot(mydata, aes('Gas Mileage(mpg)','Power (kW)'))  #其气泡的颜色填充由Class映射，大小由age映射 +geom_point(fill='#FE7A00',colour="black",size=8,stroke=0.2,alpha=1) # #+scale_size_continuous(range=[3,12]) +theme_light() +theme(     #text=element_text(size=15,face="plain",color="black"),     axis_title=element_text(size=16,face="plain",color="black"),     axis_text = element_text(size=14,face="plain",color="black"),     legend_text=element_text(size=14,face="plain",color="black"),     legend_title=element_text(size=16,face="plain",color="black"),     legend_background=element_blank(),     #legend_position='none',     legend_position = (0.81,0.75),     figure_size = (8, 8),     dpi = 50 )) print(base_plot) #base_plot.save('Bubble1.pdf') base_plot=(ggplot(mydata, aes('Gas Mileage(mpg)','Power (kW)',size='Weight (kg)'))  #其气泡的颜色填充由Class映射，大小由age映射 +geom_point(fill='#EEC642',colour="black",stroke=0.2,alpha=1) #size=7, +scale_size_continuous(range=[3,12]) +theme_light() +theme(     #text=element_text(size=15,face="plain",color="black"),     axis_title=element_text(size=16,face="plain",color="black"),     axis_text = element_text(size=14,face="plain",color="black"),     legend_text=element_text(size=14,face="plain",color="black"),     legend_title=element_text(size=16,face="plain",color="black"),     legend_background=element_blank(),     #legend_position='none',     legend_position = (0.81,0.75),     figure_size = (8, 8),     dpi = 50 )) print(base_plot)

(a)二维散点图

(b)二维气泡图

在plotnine的绘图系统中，数字坐标轴度量包括sacale_x/y_continuous()、scale_x/y_log10()、scale_x/y_sqrt、scale_x/y_reverse();分类坐标轴度量包括scale_x/y_discrete();时间坐标轴度量包括scale_x/y_date()、scale_x/y_datetime()、scale_x/y_time()。这些度量的主要参数包括：(1)name表示指定坐标轴的名称，也作为对应的图例名；

(2)break表示指定坐标轴刻度位置；

(3)labels表示指定坐标轴刻度表情内容；

(4)limits表示指定坐标轴显示范围；

(5)expand表示扩展坐标轴显示范围；

(6)trans表示指定坐标转换函数，自带有exp、log、log10，还支持scales包内其他转换函数。

以下以logarithmic_scale数据集来进行坐标轴转换；

数据内容包括VIN(V)、NFET、PEET三个字段：

具体代码：

坐标标尺的转换

import pandas as pd import numpy as np from plotnine import * #from plotnine.data import * import matplotlib.pyplot as plt  import matplotlib #plt.rc('font',family='Times New Roman') matplotlib.rcParams['font.family'] = 'Times New Roman' df=pd.read_csv("logarithmic_scale.csv") df_melt=pd.melt(df,id_vars='VIN(V)',var_name='Class',value_name='value') p1=(ggplot(df_melt,aes(x='VIN(V)',y='value',color='Class')) +    geom_line(size=1)+   scale_x_continuous(breaks=np.arange(-20,21,5),limits=(-20,20)) +   scale_y_continuous(breaks=np.arange(0,2.1,0.5),limits=(0,2))+    scale_color_manual(values=("#36BED9","#FF0000"))+   theme_classic()+   theme(text=element_text(size=12,colour = "black"),         panel_grid_major=element_line(color="#C7C7C7",linetype ='--'),         aspect_ratio =0.8,         dpi=100,        figure_size=(5,5),      legend_position=(0.8,0.8),      legend_background=element_rect(fill="none"))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p1) #p1.save("logarithmic_scale1.pdf")  p2=(ggplot(df_melt,aes(x='VIN(V)',y='value',color='Class')) +    geom_line(size=1)+   scale_x_continuous(breaks=np.arange(-20,21,5),limits=(-20,20)) +   scale_y_log10(name='log(value)',limits=(0.00001,10))+    scale_color_manual(values=("#36BED9","#FF0000"))+   theme_classic()+   theme(text=element_text(size=12,colour = "black"),         panel_grid_major=element_line(color="#C7C7C7",linetype ='--'),         aspect_ratio =0.8,         dpi=100,        figure_size=(5,5),      legend_position=(0.8,0.8),      legend_background=element_rect(fill="none"))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p2) #p2.save("logarithmic_scale2.pdf") 

具体效果如下：

(a)图

(b)图

05

主题系统

    主题系统包括绘图区背景、网格线、坐标轴线条等图表的细节部分，图标风格主要是绘图区背景、网格线、坐标轴线条等的格式设定所展示的效果。plotnine图表的主题系统主要对象包括文本(text)、矩形(rect)和线条(line)三大类，对应的包括element_text()、element_rect()、element_line()，另外还有element_blank()表示该对象设置为无，以下是主题系统的主要对象：

对象	函数	图形对象整体	绘图区(面板)	坐标轴	图例	分面系统
text	eleent_text() 参数：family、face、Colour、size、hjust、vjust、angle、lineheight	plot_title、 plot_subtitle、 plot_caption		axis_titleaxis_title_xaxis_title_yaxis_textaxis_text_xaxis_text_y	legend_text、legend_text_align、legend_text_tile、legend_text_align	strip_text、strip_text_x、strip_text_y
rect	element_rect() 参数：colour、size、type	plot_background、 plot_sapcing plot_margin	panel_background、 pancel_border、panel_spacing		legend_background、legend_margin、legend_spacing、legend_spacing_x、legend_spacing_y	strip_background
line	element_line() 参数：fill、colour、size、type		panel_grid_major、panel_grid_minor、panel_grid_major_x、panel_grid_major_y、panel_grid_major_y、panel_grid_minor_y	axis_lineaxis_line_xaxis_line_yaxis_ticksaxis_ticks_xaxis_ticks_y axis_ticks_lengthaxis_ticks_margin

    plotnine自带的主题模版有多种，包括them_gray()、them_minimal()、them_bw()、them_light()、them_classic()等。相同的数据及数据格式，可以结合不同的图表风格，以上分别是离散型数据和连续型数据的不同主题方案：

    这里用到的数据集是Facet_Data,内容如下

代码实现如下：

离散型数据主题解决方案

import pandas as pd import numpy as np from plotnine import * #from plotnine.data import * import matplotlib.pyplot as plt  import matplotlib #plt.rc('font',family='Times New Roman') matplotlib.rcParams['font.family'] = 'Times New Roman' df=pd.read_csv("Facet_Data.csv") p1=(ggplot(df, aes(x='SOD',y='tau',fill='Class'))     +geom_point(shape='o',color="black",size=3,              stroke=0.25,alpha=1)   +scale_fill_discrete()   +theme(text=element_text(size=12,colour = "black"),          legend_background=element_blank(),          legend_position=(0.75,0.25),         aspect_ratio =1.15,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p1) p2=(ggplot(df, aes(x='SOD',y='tau',fill='Class'))     +geom_point(shape='o',color="black",size=3,              stroke=0.25,alpha=1)   +scale_fill_brewer(type='qualitative', palette='Set1')   +theme(text=element_text(size=12,colour = "black"),            legend_background=element_blank(),          legend_position=(0.75,0.25),       aspect_ratio =1.15,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p2) p3=(ggplot(df, aes(x='SOD',y='tau',fill='Class'))     +geom_point(shape='o',color="black",size=3,              stroke=0.25,alpha=1)   +scale_fill_hue(s = 1, l = 0.65, h=0.0417,color_space='husl')   +theme(text=element_text(size=12,colour = "black"),            legend_background=element_blank(),          legend_position=(0.75,0.25),         aspect_ratio =1.15,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p3) p4=(ggplot(df, aes(x='SOD',y='tau',fill='Class'))     +geom_point(shape='o',color="black",size=3,              stroke=0.25,alpha=1)   +scale_fill_manual(values=("#E7298A","#66A61E","#E6AB02"))   +theme(text=element_text(size=12,colour = "black"),            legend_background=element_blank(),          legend_position=(0.75,0.25),         aspect_ratio =1.15,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(p4)

得到如下4个结果：

p1

p2

p3

p4

连续型数据主题解决方案

import pandas as pd import numpy as np from plotnine import * #from plotnine.data import * import matplotlib.pyplot as plt  import matplotlib #plt.rc('font',family='Times New Roman') matplotlib.rcParams['font.family'] = 'Times New Roman' df=pd.read_csv("Facet_Data.csv") #--------------------------------------------------------------------------------- m1=(ggplot(df, aes(x='SOD',y='tau',fill='age'))     +geom_point(shape='o',color="black",size=3,              stroke=0.25,alpha=1)   +scale_fill_distiller(type='div',palette="RdYlBu")   +guides(fill=guide_colorbar(barheight =80,barwidth=20))   +theme(text=element_text(size=12,colour = "black"),          legend_background=element_blank(),          legend_position=(0.75,0.3),         aspect_ratio =1.15,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(m1) m1.save('m1.pdf') m2=(ggplot(df, aes(x='SOD',y='tau',fill='age'))     +geom_point(shape='o',color="black",size=3,              stroke=0.25,alpha=1)   +scale_fill_cmap(name='viridis')   +guides(fill=guide_colorbar(barheight =80,barwidth=20))   +theme(text=element_text(size=12,colour = "black"),          legend_background=element_blank(),          legend_position=(0.75,0.3),         aspect_ratio =1.15,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(m2) m2.save('m2.pdf') m3=(ggplot(df, aes(x='SOD',y='tau',fill='age'))     +geom_point(shape='o',color="black",size=3,              stroke=0.25,alpha=1)   +scale_fill_gradient2(low="#00A08A",mid="white",high="#FF0000",midpoint = np.mean(df.age))   +guides(fill=guide_colorbar(barheight =80,barwidth=20))   +theme(text=element_text(size=12,colour = "black"),          legend_background=element_blank(),          legend_position=(0.75,0.3),         aspect_ratio =1.15,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(m3) m3.save('m3.pdf') m4=(ggplot(df, aes(x='SOD',y='tau',fill='age'))     +geom_point(shape='o',color="black",size=3,              stroke=0.25,alpha=1)   +scale_fill_gradientn(colors= ("#82C143","white","#CB1B81"))   +guides(fill=guide_colorbar(barheight =80,barwidth=20))   +theme(text=element_text(size=12,colour = "black"),          legend_background=element_blank(),          legend_position=(0.75,0.3),         aspect_ratio =1.15,         dpi=100,        figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1 print(m4) m4.save('颜色主题方案8.pdf')

m1

m2

m3

m4

以上分别针对离散型数据和连续型数据四种不同主题来绘制。

06

位置调整

    在geom_xxx()函数中，参数position表示绘图函数系列的位置调整，默认为“identity”(无位置调整)，以下是plotnine绘图语法中的位置调整参数：

函数	功能	参数说明
position_dodge()	水平并列放置	position_dodge(width=Null,preserve=("total","single")),作用于簇状柱形图、箱形图
position_identity()	位置不变	对于散点图和和折线图可行，默认为identity，但对于多分类柱形图，序列间会存在遮盖问题
position_stack()	垂直堆叠放置	position_stack(vjust=1,reverse=False)柱形图和面积图默认堆积(stack)
position_fill()	百分比填充	position_fill(vjust=1,reverse=False)垂直堆叠，但只能反映各组百分比
position_jitter()	扰动处理	position_jitter(width=NULL,high=NULL)部分堆叠，作用于散点图
position_jitterdodge()	并列抖动	position_jitterdodge(jitter_width=NULL,jitter_height=0,jitter_width=0.75)，仅仅用于箱型图和点图在一起的情形，且有顺序，必须箱子在前，点图在后，抖动只能在散点几何对象中
position_nudge()	整体位置微调	position_nudge(x=0,y=0),整体向x和y方向平移的距离，常用于geom_text()文本对象

以下内容展示箱形图和抖动散点图的调整语法：

箱型图和抖动散点图的位置调整

import pandas as pd import numpy as np from plotnine import * #from plotnine.data import * import matplotlib.pyplot as plt  N=100 df=pd.DataFrame(dict(group=np.repeat([1,2], N*2),                      y=np.append(np.append(np.random.normal(5,1,N),np.random.normal(2,1,N)),                                  np.append(np.random.normal(1,1,N),np.random.normal(3,1,N))),                      x=np.tile(["A","B","A","B"], N))) #------------------------------------(a)#未调整箱型图和抖动散点图的间距--------------------                      base_plot=(ggplot(df, aes(x='x', y='y',fill='factor(group)' ))    +geom_boxplot(outlier_size  = 0,colour='k')    +geom_jitter(aes(group='factor(group)'),               shape = 'o', alpha = 0.5)     +scale_fill_manual(values = ("#F8766D","#00BFC4"),guide = guide_legend(title='Group'))        +theme_matplotlib()   +theme(        #text=element_text(size=15,face="plain",color="black"),        axis_title=element_text(size=18,face="plain",color="black"),        axis_text = element_text(size=16,face="plain",color="black"),          legend_position=(0.8,0.8),        aspect_ratio =1.05,        figure_size = (5,5),        dpi = 100        )   ) print(base_plot) #base_plot.save('位置调整1.pdf') #------------------------------(b)#调整抖动散点图的间距---------------------------------- base_plot=(ggplot(df, aes(x='x', y='y',fill='factor(group)' ))    +geom_boxplot(outlier_size  = 0,colour='k')    +geom_jitter(aes(group='factor(group)'),               shape = 'o', alpha = 0.5, position=position_jitterdodge())    +scale_fill_manual(values = ("#F8766D","#00BFC4"),guide = guide_legend(title='Group'))        +theme_matplotlib()   +theme(        #text=element_text(size=15,face="plain",color="black"),        axis_title=element_text(size=18,face="plain",color="black"),        axis_text = element_text(size=16,face="plain",color="black"),        legend_position=(0.8,0.8),        aspect_ratio =1.05,        figure_size = (5,5),        dpi = 100        )   ) print(base_plot) #base_plot.save('位置调整2.pdf') #-----------------------------(c)#同时调整箱型图和抖动散点图的间距----------------------- base_plot=(ggplot(df, aes(x='x', y='y',fill='factor(group)' ))    +geom_boxplot(position = position_dodge(0.85),outlier_size  = 0,colour='k')    +geom_jitter(aes(group='factor(group)'),               shape = 'o', alpha = 0.5,                position=position_jitterdodge(dodge_width = 0.85))    +scale_fill_manual(values = ("#F8766D","#00BFC4"),guide = guide_legend(title='Group'))                                +theme_matplotlib()   +theme(        #text=element_text(size=15,face="plain",color="black"),        axis_title=element_text(size=18,face="plain",color="black"),        axis_text = element_text(size=16,face="plain",color="black"),          legend_position=(0.8,0.8),        aspect_ratio =1.05,        figure_size = (5,5),        dpi = 100        )   ) print(base_plot) #base_plot.save('位置调整3.pdf')

(a)未调整箱型图和抖动散点图的间距

(b)调整抖动散点图的间距

(c)同时调整箱型图和抖动散点图的间距

结语

    以上就是分享关于plotnine的内容，感谢关注，欢迎留言提问题。