python matplotlib 同时画箱线图和折线图的问题

Posted 2023-03-12

import matplotlib.pyplot as pltimport pandas as pddata=[[1,2,3],[2,3,5],[3,4,5],[5,3,5],[3,1,5],[8,5,1],[2,5,3]]data1=[4,2,7]df = pd.DataFrame(data)plt.figure(1, figsize=(10, 5))df.boxplot(sym='+',showmeans=True,meanline=True)plt.plot(data1)print('finish')为何得到的结果，折线图的会有偏移？单独画折线图的画买就是正常的。

参考技术A 因为boxplot的x坐标默认从1开始！ 参考技术B 介绍
使用Python进行数据分析，数据的可视化是数据分析结果最好的展示方式，这里从Analytic Vidhya中找到的相关数据，进行一系列图形的展示，从中得到更多的经验。
强烈推荐：Analytic Vidhya
Python数据可视化库
Matplotlib:其能够支持所有的2D作图和部分3D作图。能通过交互环境做出印刷质量的图像。
Seaborn：基于Matplotlib，seaborn提供许多功能，比如：内置主题、颜色调色板、函数和提供可视化单变量、双变量、线性回归的工具。其能帮助我们构建复杂的可视化。
数据集

EMPID
Gender
Age
Sales
BMI
Income

E001 M 34 123 Normal 350
E002 F 40 114 Overweight 450
E003 F 37 135 Obesity 169
E004 M 30 139 Underweight 189
E005 F 44 117 Underweight 183
E006 M 36 121 Normal 80
E007 M 32 133 Obesity 166
E008 F 26 140 Normal 120
E009 M 32 133 Normal 75
E010 M 36 133 Underweight 40
作图
# -*- coding:UTF-8 -*-

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import numpy as np

# 0、导入数据集
df = pd.read_excel('first.xlsx', 'Sheet1')123456789123456789
# 1、直方图
fig = plt.figure()
ax = fig.add_subplot(111)
ax.hist(df['Age'], bins=7)
plt.title('Age distribution')
plt.xlabel('Age')
plt.ylabel('Employee')
plt.show()1234567812345678

# 2、箱线图
fig = plt.figure()
ax = fig.add_subplot(111)
ax.boxplot(df['Age'])
plt.show()1234512345

# 3、小提琴图
sns.violinplot(df['Age'], df['Gender'])
sns.despine()
plt.show()12341234

# 4、条形图
var = df.groupby('Gender').Sales.sum()
fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.set_xlabel('Gender')
ax1.set_ylabel('Sum of Sales')
ax1.set_title('Gender wise Sum of Sales')
var.plot(kind='bar')
plt.show()123456789123456789

# 5、折线图
var = df.groupby('BMI').Sales.sum()
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set_xlabel('BMI')
ax.set_ylabel('Sum of Sales')
ax.set_title('BMI wise Sum of Sales')
var.plot(kind='line')
plt.show()123456789123456789

# 6、堆积柱形图
var = df.groupby(['BMI', 'Gender']).Sales.sum()
var.unstack().plot(kind='bar', stacked=True, color=['red', 'blue'])
plt.show()12341234

# 7、散点图
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(df['Age'], df['Sales'])
plt.show()1234512345

# 8、气泡图
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(df['Age'], df['Sales'], s=df['Income']) # 第三个变量表明根据收入气泡的大小
plt.show()1234512345

# 9、饼图
var = df.groupby(['Gender']).sum().stack()
temp = var.unstack()
type(temp)
x_list = temp['Sales']
label_list = temp.index
plt.axis('equal')
plt.pie(x_list, labels=label_list, autopct='%1.1f%%')
plt.title('expense')
plt.show()1234567891012345678910

# 10、热图
data = np.random.rand(4, 2)
rows = list('1234')
columns = list('MF')
fig, ax = plt.subplots()
ax.pcolor(data, cmap=plt.cm.Reds, edgecolor='k')
ax.set_xticks(np.arange(0, 2)+0.5)
ax.set_yticks(np.arange(0, 4)+0.5)
ax.xaxis.tick_bottom()
ax.yaxis.tick_left()
ax.set_xticklabels(columns, minor=False, fontsize=20)
ax.set_yticklabels(rows, minor=False, fontsize=20)
plt.show()1234567891011121312345678910111213