ax.set_title() 和 plt.title()，以及df,plot(title='')

區別

plt.XX之類的是函數式繪圖，通過將數據參數傳入plt類的靜態方法中並調用方法，從而繪圖。fig,ax=plt.subplots()是對象式編程，這里plt.subplots()是返回一個元組，包含了figure對象(控制總體圖形大小)和axes對象(控制繪圖，坐標之類的)。進行對象式繪圖，首先是要通過plt.subplots()將figure類和axes類實例化也就是代碼中的fig,ax，然后通過fig調整整體圖片大小，通過ax繪制圖形，設置坐標，函數式繪圖最大的好處就是直觀，但如果繪制稍微復雜的圖像，或者過子圖操作，就不如對象式繪圖了，ax.set_title()是給ax這個子圖設置標題，當子圖存在多個的時候，可以通過ax設置不同的標題，如果僅僅是調用plt.title()給多個子圖上標題，就比較麻煩了

ax.set_title()

import  matplotlib .pyplot as plt
x=[1,2,3,4,5]
y=[3,6,7,9,2]
# 實例化兩個子圖(1,2)表示1行2列
fig,ax=plt.subplots(1,2)
ax[0].plot(x,y,label='trend')
ax[1].plot(x,y,color='cyan')
ax[0].set_title('title 1')
ax[1].set_title('title 2')

plt.title()

import  matplotlib .pyplot as plt
x=[1,2,3,4,5]
y=[3,6,7,9,2]
# fig,ax=plt.subplots(1,2)
plt.figure(1)
plt.subplot(121)# 12表示子圖分布:一行2列；最后一個1表示第1個子圖，從左往右
plt.plot(x,y,label='trend')
plt.title('title 1',fontsize=12,color='r') #r: red
plt.subplot(122)#第二個子圖
plt.plot(x,y,c='cyan')
plt.title('title 2')

 

pandas的df自帶的plot，自帶設置圖片大小，圖片命名等

#按照neighbourhood和room_type分組，計算每個值的個數和price的均值
neigh_roomtype=listings.groupby(['neighbourhood','room_type']).agg({'id':'size','price':'mean'})
#將ID改為number
neigh_roomtype=neigh_roomtype.rename(columns={'id':'number'})

#先對number計算統計可視化等
number_n_r=neigh_roomtype.unstack()['number']
number_n_r.plot(figsize=(12,5),title='圖1：不同房屋類型在不同地區的數量')