前一天我們討論了資料視覺化的技巧，今天我們來看其他matplotlib語法以及Seaborn用法。

在matplotlib當中除了昨天介紹的plt.plot和plt.hist用法之外，還有其他的畫圖方法，讓資料視覺化的呈現方式更多元。

plt.boxplot

matplotlib包中boxplot函數的參數含義及使用方法：

plt.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None)
x：指定要繪製箱線圖的數據；
notch：是否是凹口的形式展現箱線圖，默認非凹口；
sym：指定異常點的形狀，默認為+號顯示；
vert：是否需要將箱線圖垂直擺放，默認垂直擺放；
whis：指定上下須與上下四分位的距離，默認為1.5倍的四分位差；
positions：指定箱線圖的位置，默認為[0,1,2…]；
widths：指定箱線圖的寬度，默認為0.5；
patch_artist：是否填充箱體的顏色；
meanline：是否用線的形式表示均值，默認用點來表示；
showmeans：是否顯示均值，默認不顯示；
showcaps：是否顯示箱線圖頂端和末端的兩條線，默認顯示；
showbox：是否顯示箱線圖的箱體，默認顯示；
showfliers：是否顯示異常值，默認顯示；
boxprops：設置箱體的屬性，如邊框色，填充色等；
labels：為箱線圖添加標籤，類似於圖例的作用；
filerprops：設置異常值的屬性，如異常點的形狀、大小、填充色等；
medianprops：設置中位數的屬性，如線的類型、粗細等；
meanprops：設置均值的屬性，如點的大小、顏色等；
capprops：設置箱線圖頂端和末端線條的屬性，如顏色、粗細等；
whiskerprops：設置須的屬性，如顏色、粗細、線的類型等；
#默認patch_artist=False，所以我們需要指定其參數值為True，即可自動填充顏色
plt.show() #在任何環境下都能夠產生圖像

Seaborn

Seaborn是以Matplotlib作為抵成的視覺化套件，補足了一些Matplotlib所沒有的功能其畫圖效果也是非常的強大

import seaborn as sns

vmin, vmax : 顯示的數據值的最大和最小的範圍
cmap : matplotlib顏色表名稱或對象，或顏色列表，可選從數據值到色彩空間的映射。如果沒有提供，默認設置
center :指定色彩的中心值
robust : 如果“Ture”和“ vmin或” vmax不存在，則使用強分位數計算顏色映射範圍，而不是極值
annot :如果為True，則將數據值寫入每個單元格中
fmt :表格里顯示數據的類型
linewidths :劃分每個單元格的線的寬度。
linecolor :劃分每個單元格的線的顏色
cbar :是否繪製顏色條：colorbar，默認繪製
cbar_kws :未知 cbar_ax :顯示xy坐標，而不是節點的編號
square :為'True'時，整個網格為一個正方形
xticklabels, yticklabels :可以以字符串進行命名，也可以調節編號的間隔，也可以不顯示坐標
mask：布爾數組或DataFrame，可選，如果傳遞，則數據不會顯示在mask為True的單元格中。具有缺失值的單元格將自動被屏蔽。
ax： matplotlib Axes，可選，用於繪製圖的軸，否則使用當前活動的Axes。
kwargs：其他關鍵字參數，所有其他關鍵字參數都傳遞給ax.pcolormesh。

plt.style

而plt.style有一個好用的畫圖樣式，可以自定義畫出來的圖要什麼背景，常常看到有些案例有套用這些背景，非常的好用！

print(plt.style.available)
print(type(plt.style.available))
print(len(plt.style.available))
plt.style.use('dark_background') #使用plt.style.use('樣式')來套用方法
>>>['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']
>>><class 'list'>
>>>len = 26

今天先介紹到這，明天來介紹機器學習的策略與業界應用。

參考資料與圖片來源

• [資料分析&機器學習] 第2.5講：資料視覺化(Matplotlib, Seaborn, Plotly)
• Style sheets reference