大数据分析师学习入门，10个数据可视化技巧

在现实生活中的许多情况下，数据高于或低于某个阈值可能是问题提示信号或错误警告。如果要在绘图中清楚地显示，可以使用以下命令添加一行：

ax[0].axvline(32,0，c='r') 

加在哪里?

• ax[0] 将是我们要在其中插入行的图表
• 32 将是绘制线的值
• c = 'r' 表示图表将是红色的

如果我们使用的是 subplots，那么将 axvline 添加到相应的 axe 就很简单，如上面的示例所示。但是，如果不使用 subplots，则应执行以下操作：

g=sns.scatterplot(x=month，y=weight，hue=hue，legend=false)  
g.axvline(2，c='r')  
plt.show() 

8.多 Y 轴绘图

这可能是最简单，但也是最有用的技巧之一。

有时我们只需要在图表中添加更多信息，除了在绘图的右 y 轴上添加新的度量之外，没有其他方法可以绕过它：

ax2=ax[0].twinx() 

现在可以添加任何要将「ax」参数指向「ax2」的图表

sns.lineplot(x=month, y=average_animal_weight, ax=ax2 

请注意，这个例子再次假设你使用的是 subplots。如果没有，你应该遵循与前一点相同的逻辑：

g = sns.scatterplot(x=month, y=weight, hue=hue, legend=False)  
g.axvline(2,c=’r’)  
ax2 = g.twinx()  
sns.lineplot(x=month, y=average_animal_weight, ax=ax2, c=’y’)  
plt.show() 

请注意，要使其工作，你应该为两个图表中的 x 轴设置始终相同的数据。否则，它们就不匹配了。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!