基础绘图篇 | 核密度估计图绘制(R+Python)

前面介绍了基础直方图的绘制教程，接下来，同样分享一篇关于数据分布的基础图表绘制-核密度估计图。具体含义我们这里就不作多解释，大家可以自行百度啊，这里我们主要讲解R-python绘制该图的方法。本期知识点主要如下：

• R-ggplot2.geom_density()绘制方法

• Python-seaborn.kdeplot()绘制方法

• 各自方法的图片元素添加

R-ggplot2.geom_density()绘制方法

我们还是使用前几期绘制的数据，关注公众号DataCharm,后台回复柱形图 ，即可获取练习数据啦。这里给出部分数据的预览，如下：

这里直接给出绘图代码：

library(ggtext)
library(hrbrthemes)

flipper_density?<-?ggplot(data?=?data,aes(x?=?flipper_length_mm))?+
??geom_density(aes(fill=species),colour="black",size=1)+
??scale_fill_manual(values?=?c('#FF8C03',"#A034F1","#0F8B8B"))?+
??guides(fill?=?guide_legend(nrow?=?1))?+?
??labs(y="",
???????title?=?"Base?Charts?in?R?Exercise?03:?<span style='color:#D20F26'>Density?Charts</span>",
???????subtitle?=?"processed?density?charts?with?geom_density()",
???????caption?=?"Visualization?by?<span style='color:#DD6449'>DataCharm</span>")?+
??theme_ipsum(base_family?=?"Roboto?Condensed")?+
??theme(
????????plot.title?=?element_markdown(hjust?=?0.5,vjust?=?.5,color?=?"black",
?????????????????????????????size?=?22,?margin?=?margin(t?=?1,?b?=?12)),
????????plot.subtitle?=?element_markdown(hjust?=?0,vjust?=?.5,size=15),
????????plot.caption?=?element_markdown(face?=?'bold',size?=?12),
????????#legend.position?=?c(.1,?.1),?
????????legend.position?=?"top",
????????legend.direction?=?"horizontal",?
????????#legend.justification?=?"right",
????????legend.key.width?=?unit(1.8,?"lines"),?
????????legend.key.height?=?unit(1,?"lines"),
??)

可视化结果如下：

更换主题

通过如下代码，更换成“暗黑主题”：

theme_ft_rc()?+

注意：

theme_ft_rc() 和* theme_ipsum()* 都来自功能强大的 hrbrthemes 绘图主题包哦，大家可以重点掌握哦。 结果如下：

添加图片美化

该方法前几篇推文呢都有介绍，这里不再累赘，直接给出代码：

#读取图片
library(png)
library(grid)
img_file?<-?"lter_penguins.png"
img?<-?png::readPNG(img_file)
i1?<-?grid::rasterGrob(img,?interpolate?=?T)

flipper_density_img?<-?flipper_density?+
????annotation_custom(i1,?ymin?=?.045,?ymax?=?.065,?xmin?=?220,?xmax?=?235)

效果如下：

暗黑主题的图片添加，效果如下：

Python-seaborn 绘制

还是使用集成功能强大的seaborn绘图包，我们直接给出代码：

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

fig,ax?=?plt.subplots(figsize=(7,4.5),dpi=200)

palette?=?['#FF8C03',"#A034F1","#0F8B8B"]
sns.kdeplot(data=data,x="flipper_length_mm",hue="species",palette=palette,alpha=1,
????????????hue_order=["Adelie","Chinstrap","Gentoo"],fill=True,edgecolor="black",
????????????linewidth=2,ax=ax)

#title
ax.text(.08,1.1,"Base?Charts?in?Python?Exercise?02:?Density?Charts",
???????transform?=?ax.transAxes,color='k',ha='left',va='center',size=18,fontweight='extra?bold')
#subtitle
ax.text(.01,1.02,"processed?bar?charts?with?seaborn.kdeplot()",
???????transform?=?ax.transAxes,color='k',ha='left',va='center',size=9,fontweight='bold')
#caption
ax.text(.91,-.1,'\nVisualization?by?DataCharm',transform?=?ax.transAxes,
????????ha='center',?va='center',fontsize?=?8,color='black',fontweight='bold')

结果如下：

更换主题

通过添加如下代码完成：

plt.style.use('dark_background')

可视化效果如下：

添加图片美化

这部分是对绘图结果进行美化操作，大家可以尝试以下。直接给出添加图片的代码：

from?mpl_toolkits.axes_grid1.inset_locator?import?inset_axes

#添加图片
aximins?=?inset_axes(ax,width=2,height=2,
??????????????????????bbox_to_anchor=(.1,?.55,?.2,?.6),?#[left,?bottom,?width,?height],
??????????????????????bbox_transform=ax.transAxes)
im?=?aximins.imshow(image,zorder=0)
aximins.axis('off')

将以上代码加入之前的代码即可。最终的效果如下：

暗黑风格的图片添加效果如下：

总结

本期将R-ggplot2绘图和Python-seaborn 进行了汇总整理，一方面因为内容较为基础，另一方面，大家也可以对比下R-ggplot2系列 和Python-matplotlib系列绘图。大家可以根据自己喜好选择适合自己的绘图工具。