繪圖和數據可視化工具包——matplotlib

時間 2019-12-10

標籤繪圖數據可視化工具包 matplotlib 简体版

原文原文鏈接

1、Matplotlib介紹

　　Matplotlib是一個強大的Python**繪圖**和**數據可視化**的工具包。html

# 安裝方法
pip install matplotlib
# 引用方法
import matplotlib.pyplot as plt

# 繪圖函數
plt.plot()
# 展現圖像
plt.show()

　　執行後顯示效果以下：python

2、plot函數使用

　　plot函數：用於繪製折線圖。數組

一、繪製線型圖

　　線型linestyle：‘-’是實線、'--'是線虛線、‘-.’是線點虛線等、‘:’是點虛線。函數

import matplotlib.pyplot as plt

plt.plot([1,2,3,4],[2,3,1,8])  # 繪製折線圖
plt.show()

　　顯示效果以下所示：工具

二、繪製點型圖

　　點型marker：v、^、s、*、H、+、x、D、o.....源碼分析

　　其中是o是圓點、v是下三角、D是菱形、H是六邊形等。學習

（1）繪製點圖

plt.plot([1,2,3,4],[2,3,1,8], 'o')  # 參數o，繪製點圖
plt.show()

　　顯示效果以下所示：this

（2）繪製點線圖

plt.plot([1,2,3,4],[2,3,1,8], 'o-')  # 參數o-，繪製點線圖
plt.show()

　　顯示效果以下所示：spa

三、繪圖顏色

　　顏色color：b、g、r、y、k、w......3d

（1）方法一：配合線設置顏色

plt.plot([1,2,3,4],[2,3,2,7], 'o:r')   # 紅色線
plt.show()

　　顯示效果以下所示：

（2）方法二：用color參數設置顏色

plt.plot([1,2,3,4],[2,3,2,7], color='purple')   # 紫色線
plt.show()

　　顯示效果以下所示：

四、plot函數繪製多條曲線

　　生成幾個plot.plot()就能夠在一個圖裏繪製多少個曲線。

plt.plot([1,2,3,4],[2,3,2,7], color='red')
plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o')
plt.show()

　　顯示效果以下所示：

3、圖像標註

　　前面學習的plt.plot()和plt.show()函數只是繪圖和顯示圖像。但若是要設置標題、名稱等圖像標註就須要用到其餘函數了。

設置圖像標題：plt.title()
設置x軸名稱：plt.xlabel()
設置y軸名稱：plt.ylabel()
設置x軸範圍：plt.xlim()
設置y軸範圍：plt.ylim()
設置x軸刻度：plt.xticks()
設置y軸刻度：plt.yticks()
設置曲線圖例：plt.legend()

一、設置圖像標題

# 引用方法
import matplotlib.pyplot as plt

# 繪圖函數
plt.plot([1,2,3,4],[2,3,2,7], color='red')
plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o')
plt.title('Matplotlib Test Plot')   # 設置圖像標題

# 展現圖像
plt.show()

　　顯示效果以下所示：

二、設置xy軸名稱

# 引用方法
import matplotlib.pyplot as plt

# 繪圖函數
plt.plot([1,2,3,4],[2,3,2,7], color='red')
plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o')
plt.title('Matplotlib Test Plot')
plt.xlabel('Xlabel')
plt.ylabel('Ylabel')

# 展現圖像
plt.show()

　　顯示效果以下所示：

三、設置xy軸範圍

# 引用方法
import matplotlib.pyplot as plt

# 繪圖函數
plt.plot([1,2,3,4],[2,3,2,7], color='red')
plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o')
plt.title('Matplotlib Test Plot')
plt.xlabel('Xlabel')
plt.ylabel('Ylabel')
plt.xlim(0,5)  # 設置x軸最小值0，最大值5
plt.ylim(0,10)   # 設置y軸最小值0，最大值10

# 展現圖像
plt.show()

　　顯示效果以下所示：

四、設置xy軸刻度

# 引用方法
import matplotlib.pyplot as plt
import numpy as np

# 繪圖函數
plt.plot([1,2,3,4],[2,3,2,7], color='red')
plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o')
plt.title('Matplotlib Test Plot')
plt.xlabel('Xlabel')
plt.ylabel('Ylabel')
plt.xlim(0,10)
plt.ylim(0,10)
# plt.xticks(0,2,4)  # 設置x軸刻度
plt.xticks(np.arange(0,11,2))  # 用numpy設置x軸刻度

# 展現圖像
plt.show()

　　顯示效果以下所示：

　　刻度還能夠自定義字段顯示：

# 引用方法
import matplotlib.pyplot as plt
import numpy as np

# 繪圖函數
plt.plot([1,2,3,4],[2,3,2,7], color='red')
plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o')
plt.title('Matplotlib Test Plot')
plt.xlabel('Xlabel')
plt.ylabel('Ylabel')
plt.xlim(0,10)
plt.ylim(0,10)
# plt.xticks(0,2,4)  # 設置x軸刻度
plt.xticks(np.arange(0,11,2), ['a','b','c','d','e','f'])  # 用numpy設置x軸刻度

# 展現圖像
plt.show()

　　顯示效果以下：

五、設置曲線圖例

　　在plt.plot()中設置label，便可使用plt.legend()函數設置曲線圖例。

# 引用方法
import matplotlib.pyplot as plt
import numpy as np

# 繪圖函數
plt.plot([1,2,3,4],[2,3,2,7], color='red', label='Line A')
plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o', label='Line B')
plt.title('Matplotlib Test Plot')
plt.xlabel('Xlabel')
plt.ylabel('Ylabel')
plt.legend()  # 曲線圖例

# 展現圖像
plt.show()

　　顯示效果以下：

4、Matplotlib應用實例

一、pandas和matplotlib結合使用

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv('601318.csv', parse_dates=['date'], index_col='date')[['open','close','high','low']]  # 讀取csv文件，使用date做爲索引列
df.plot()
plt.show()

　　顯示效果以下所示：

二、繪製數學函數圖像

# 引用方法
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-100,100,10000)   # 起點、終點、分多少份
y1=x
y2=x**2
y3=3*(x**3)+5*(x**2)+2*x+1
plt.plot(x, y1, color='red', label='y=x')
plt.plot(x, y2, color='green', label='y=x**2')
plt.plot(x, y3, color='purple', label='y=3*(x**3)+5*(x**2)+2*x+1')
plt.ylim(-1000,1000)  # 因爲紫色線增加過快，圖片顯示會致使紅色和綠色重合
plt.xlim(-100,100)
plt.legend()

# 展現圖像
plt.show()

　　顯示效果以下所示：

5、matplotlib繪製經常使用圖表

　　Matplotlib提供了不少函數來支持不一樣的圖類型，以下所示：

函數	說明
plt.plot(x,y,fmt,...)	座標圖
plt.boxplot(data,notch,position)	箱型圖
plt.bar(left,height,width,bottom)	條形圖
plt.barh(width,bottom,left,height)	橫向條形圖
plt.polar(theta, r)	極座標圖
plt.pie(data, explode)	餅圖
plt.psd(x,NFFT=256,pad_to,Fs)	功率譜密度圖
plt.specgram(x,NFFT=256,pad_to,F)	譜圖
plt.cohere(x,y,NFFT=256,Fs)	X-Y相關性函數
plt.scatter(x,y)	散點圖
plt.step(x,y,where)	步階圖
plt.hist(x,bins,normed)	直方圖

　　相關文檔參見：matplotlib官網

一、畫布和子圖

（1）子圖並行排列

import matplotlib.pyplot as plt
import pandas as pd

# 畫布：figure
fig = plt.figure()    # 生成畫布
# 圖：subplot
ax1 = fig.add_subplot(2,2,1)   # 兩行兩列第一個圖
ax1.plot([1,2,3,4],[5,6,7,8])
ax2 = fig.add_subplot(2,2,2)   # 兩行兩列第二個圖
ax2.plot([1,4,2,3],[2,6,3,8])
fig.show()

　　顯示效果以下所示：

（2）子圖上下排列

import matplotlib.pyplot as plt
import pandas as pd

# 畫布：figure
fig = plt.figure()    # 生成畫布
# 圖：subplot
ax1 = fig.add_subplot(2,1,1)   # 兩行一列第一個圖
ax1.plot([1,2,3,4],[5,6,7,8])
ax2 = fig.add_subplot(2,1,2)   # 兩行一列第二個圖
ax2.plot([1,4,2,3],[2,3,4,6])
fig.show()

　　顯示效果以下所示：

（3）用subplots_adjust()調節子圖間距

　　subplots_adjust()函數源碼以下所示：

def subplots_adjust(self, left=None, bottom=None, right=None, top=None,
                    wspace=None, hspace=None):
    """
    Update the :class:`SubplotParams` with *kwargs* (defaulting to rc when
    *None*) and update the subplot locations.

    """
    if self.get_constrained_layout():
        self.set_constrained_layout(False)
        warnings.warn("This figure was using constrained_layout==True, "
                      "but that is incompatible with subplots_adjust and "
                      "or tight_layout: setting "
                      "constrained_layout==False. ")
    self.subplotpars.update(left, bottom, right, top, wspace, hspace)
    for ax in self.axes:
        if not isinstance(ax, SubplotBase):
            # Check if sharing a subplots axis
            if isinstance(ax._sharex, SubplotBase):
                ax._sharex.update_params()
                ax.set_position(ax._sharex.figbox)
            elif isinstance(ax._sharey, SubplotBase):
                ax._sharey.update_params()
                ax.set_position(ax._sharey.figbox)
        else:
            ax.update_params()
            ax.set_position(ax.figbox)
    self.stale = True

二、柱狀圖和餅圖

（1）柱狀圖基本示例

import matplotlib.pyplot as plt
import numpy as np

data = [32,48,21,100]
labels = ['Jan', 'Feb', 'Mar', 'Apr']

# 柱狀圖
plt.bar(np.arange(len(data)), data , color='blue', width=0.5)
plt.xticks(np.arange(len(data)), labels)
plt.show()

　　顯示效果：

（2）餅圖基本示例

import matplotlib.pyplot as plt

plt.pie([10,20,28,42], labels=['England','German','USA','China'], autopct='%.2f%%',explode=[0,0.1,0,0.1])
# labels設置標籤，autopct顯示百分比，explode設置突出程度
# plt.axis('equal')  # 設置圖片朝向
plt.show()

　　顯示效果：

三、繪製K線圖

　　matplotlib.finanace子包中有許多繪製金融相關圖的函數接口。

　　繪製K線圖：matplotlib.finance.candlestick_ochl函數。

import matplotlib.finance as fin

　　可是從matplotlib 2.2.0版本開始，matplotlib.finance已經從matplotlib中剝離了，須要單獨安裝mpl_finance這個包了。

　　能夠anaconda中下載mpl-finance包等方法下載。

import mpl_finance as fin

（1）candlestick_ochl()函數源碼分析

def candlestick_ochl(ax, quotes, width=0.2, colorup='k', colordown='r',
                     alpha=1.0):
    """
    Plot the time, open, close, high, low as a vertical line ranging
    from low to high.  Use a rectangular bar to represent the
    open-close span.  If close >= open, use colorup to color the bar,
    otherwise use colordown

    Parameters
    ----------
    ax : `Axes`  # 圖對象
        an Axes instance to plot to
    quotes : sequence of (time, open, close, high, low, ...) sequences  # 二維數組
        As long as the first 5 elements are these values,
        the record can be as long as you want (e.g., it may store volume).

        time must be in float days format - see date2num   # datetime要轉化爲小數類型時間戳

    width : float   # k線寬度
        fraction of a day for the rectangle width
    colorup : color  # 陽線顏色
        the color of the rectangle where close >= open
    colordown : color  # 陰線顏色
         the color of the rectangle where close <  open
    alpha : float    # 矩形的透明度
        the rectangle alpha level

    Returns
    -------
    ret : tuple
        returns (lines, patches) where lines is a list of lines
        added and patches is a list of the rectangle patches added

    """
    return _candlestick(ax, quotes, width=width, colorup=colorup,
                        colordown=colordown,
                        alpha=alpha, ochl=True)

（2）date2num函數用於將datetime對象轉化爲浮點數表示的時間戳

def date2num(d):
    """
    Convert datetime objects to Matplotlib dates.

    Parameters
    ----------
    d : `datetime.datetime` or `numpy.datetime64` or sequences of these

    Returns
    -------
    float or sequence of floats
        Number of days (fraction part represents hours, minutes, seconds, ms)
        since 0001-01-01 00:00:00 UTC, plus one.

    Notes
    -----
    The addition of one here is a historical artifact. Also, note that the
    Gregorian calendar is assumed; this is not universal practice.
    For details see the module docstring.
    """
    if hasattr(d, "values"):
        # this unpacks pandas series or dataframes...
        d = d.values
    if not np.iterable(d):
        if (isinstance(d, np.datetime64) or (isinstance(d, np.ndarray) and
                np.issubdtype(d.dtype, np.datetime64))):
            return _dt64_to_ordinalf(d)
        return _to_ordinalf(d)

    else:
        d = np.asarray(d)
        if np.issubdtype(d.dtype, np.datetime64):
            return _dt64_to_ordinalf(d)
        if not d.size:
            return d
        return _to_ordinalf_np_vectorized(d)

（3）使用上述包繪製k線圖示例

# import matplotlib.finance as fin

import pandas as pd
import matplotlib.pyplot as plt
import mpl_finance as fin
from matplotlib.dates import date2num   # 用於將datetime對象轉化爲浮點數

# 讀取csv文件中保存的行情數據，使用date做爲索引列
# na_values將None字符串解釋爲缺失值
df = pd.read_csv('601318.csv', parse_dates=['date'], index_col='date', na_values=['None'])[['open','close','high','low']]
# 添加time這一列
df['time'] = date2num(df.index.to_pydatetime())
# 將df轉換爲數組才能傳遞給candlestick_ochl()函數
arr = df[['time','open','close','high','low']].values

# print(df)
'''
              open   close    high     low      time
date                                                
2007-03-01  21.878    None  22.302  20.040  732736.0
2007-03-02  20.565    None  20.758  20.075  732737.0
'''
# 因爲candlestick_ochl函數中要求有Axes,所以建立畫布和子圖
fig = plt.figure()  # 畫布
ax = fig.add_subplot(1,1,1)  # 子圖

# candlestick_ochl()與candlestick_ohlc()的區別主要是執行順序
fin.candlestick_ochl(ax, arr)
# fig.grid()
fig.show()