【SCI绘图】【箱型图系列1 python】多类对比及各类下属子类对比

2024-04-06 02:44

本文主要是介绍【SCI绘图】【箱型图系列1 python】多类对比及各类下属子类对比,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

SCI,CCF,EI及核心期刊绘图宝典,爆款持续更新,助力科研!

本期分享:

【SCI绘图】【箱型图系列1】多类对比+各类下属子类对比

文末附带完整代码:

1.环境准备

python 3

from matplotlib import pyplot as plt
from scipy import stats
import pandas as pd
import numpy as np
import seaborn as snssns.set_theme()
sns.set_style('ticks')plt.rc('figure', dpi=300)
plt.rc('font', size=8, family='Times New Roman')
plt.rc('axes', labelsize=8, linewidth=1)
plt.rc('xtick', labelsize=8)
plt.rc('xtick.major', size=3, width=1, pad=1.5)
plt.rc('ytick', labelsize=8)
plt.rc('ytick.major', size=3, width=1, pad=1.5)
plt.rc('legend', fontsize=8)

2.示例数据

seaborn.load_dataset返回一个Dataframe,定义如下

seaborn.load_dataset(name, cache=True, data_home=None, **kws)

# 此处可进行修改为自己的数据
penguins = sns.load_dataset("penguins")
penguins.head()

sex类别有Male和Female两类

3.绘图展示

定义绘图函数boxplot

def boxplot(fig):ax = fig.subplots()# island为横轴标签类别,body_mass_g为纵轴数值,而sex为各标签类别下的两个子类(Male和Female)sns.boxplot(data=penguins, x="island", y="body_mass_g", hue="sex", showfliers=False, linewidth=1, width=0.618)ax.set(xlabel="island", ylabel="body mass (g)")ax.legend(ncol=2, loc="lower center", bbox_to_anchor=(0.5, 1), frameon=False)sns.despine(ax=ax)

执行绘图

fig = plt.figure(figsize=(7.2 / 2, 7.2 / 2))boxplot(fig)fig.show()

完整代码如下:

from matplotlib import pyplot as plt
from scipy import stats
import pandas as pd
import numpy as np
import seaborn as snssns.set_theme()
sns.set_style('ticks')plt.rc('figure', dpi=300)
plt.rc('font', size=8, family='Times New Roman')
plt.rc('axes', labelsize=8, linewidth=1)
plt.rc('xtick', labelsize=8)
plt.rc('xtick.major', size=3, width=1, pad=1.5)
plt.rc('ytick', labelsize=8)
plt.rc('ytick.major', size=3, width=1, pad=1.5)
plt.rc('legend', fontsize=8)penguins = sns.load_dataset("penguins")
penguins.head()def boxplot(fig):ax = fig.subplots()# island为横轴标签类别,body_mass_g为纵轴数值,而sex为各标签类别下的两个子类(Male和Female)sns.boxplot(data=penguins, x="island", y="body_mass_g", hue="sex", showfliers=False, linewidth=1, width=0.618)ax.set(xlabel="island", ylabel="body mass (g)")ax.legend(ncol=2, loc="lower center", bbox_to_anchor=(0.5, 1), frameon=False)sns.despine(ax=ax)fig = plt.figure(figsize=(7.2 / 2, 7.2 / 2))boxplot(fig)fig.show()

这篇关于【SCI绘图】【箱型图系列1 python】多类对比及各类下属子类对比的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/878802

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

菲律宾诈骗,请各位华人朋友警惕各类诈骗。

骗子招聘类型:程序开发、客服、财务、销售总管、打字员等 如果有人用高薪、好的工作环境来你出国工作。要小心注意!因为这些骗子是成群结伴的! 只要你进入一个菲律宾的群,不管什么类型的群都有这些骗子团伙。基本上是他们控制的! 天天在群里有工作的信息,工作信息都是非常诱惑人的。例如招“打字员”、“客服”、“程序员”……各种信息都有。只要你提交简历了,他会根据你的简历判断你这个人如何。所谓的心理战嘛!

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该