數據分析三劍客之Matplotlib

Matplotlib繪圖和可視化

簡介

個人前面兩篇文章介紹了 Nimpy ，Pandas 。今天來介紹一下Matplotlib。

簡單來講，Matplotlib 是 Python 的一個繪圖庫。它包含了大量的工具，你可使用這些工具建立各類圖形，包括簡單的散點圖，正弦曲線，甚至是三維圖形。Python 科學計算社區常用它完成數據可視化的工做。

你能夠在他們的網站上了解到更多 Matplotlib 背後的設計思想，可是我強烈建議你先瀏覽一下他們的圖庫，體會一下這個庫的各類神奇功能。

畫一個簡單的圖形

In [1]: import matplotlib.pyplot as plt

In [2]: import numpy as np

In [3]: x = np.linspace(0, 2 * np.pi, 50)

In [6]: plt.plot(x, np.sin(x))
Out[6]: [<matplotlib.lines.Line2D at 0x1dcdc98a748>]

In [7]: plt.show()

上面的代碼將畫出一個簡單的正弦曲線。np.linspace(0, 2 * np.pi, 50)這段代碼將會生成一個包含 50 個元素的數組，這 50 個元素均勻的分佈在 [0, 2pi] 的區間上。

plot命令以一種簡潔優雅的方式建立了圖形。提醒一下，若是沒有第一個參數 x，圖形的 x 軸座標將再也不是 0 到 2pi，而應該是數組的索引範圍。

最後一行代碼 plt.show()將圖形顯示出來，若是沒有這行代碼圖像就不會顯示。

運行代碼後應該會相似獲得下面的圖形：

在一張圖上繪製兩個數據集

大多數時候讀者可能更想在一張圖上繪製多個數據集。用 Matplotlib 也能夠輕鬆實現這一點。

In [15]: x = np.linspace(0, 2 * np.pi, 50)

In [16]: plt.plot(x, np.sin(x), x, np.sin(2*x))
Out[16]:
[<matplotlib.lines.Line2D at 0x1dcdb38a080>,
 <matplotlib.lines.Line2D at 0x1dcdb38a1d0>]

In [17]: plt.show()

上面的代碼同時繪製了表示函數 sin(x) 和 sin(2x) 的圖形。這段代碼和前面繪製一個數據集的代碼幾乎徹底相同，只有一點例外，這段代碼在調用plt.plot()的時候多傳入了一個數據集，並用逗號與第一個數據集分隔開。

最後你會獲得相似於下面包含兩條曲線的圖形：

自定義圖形的外觀

當在同一個圖形上展現多個數據集時，經過改變線條的外觀來區分不一樣的數據集變得很是必要。

In [18]: x = np.linspace(0, 2*np.pi, 50)

In [19]: plt.plot(x, np.sin(x), 'r-o', x, np.cos(x), 'g--')
Out[19]:
[<matplotlib.lines.Line2D at 0x1dcdb695898>,
 <matplotlib.lines.Line2D at 0x1dcdb695a20>]

In [20]: plt.show()

上述代碼展現了兩種不一樣的曲線樣式：'r-o' 和 'g--'。字母 'r' 和 'g' 表明線條的顏色，後面的符號表明線和點標記的類型。例如 '-o' 表明包含實心點標記的實線，'--' 表明虛線。其餘的參數須要讀者本身去嘗試，這也是學習 Matplotlib 最好的方式。

顏色： 藍色 - 'b' 綠色 - 'g' 紅色 - 'r' 青色 - 'c' 品紅 - 'm' 黃色 - 'y' 黑色 - 'k'（'b'表明藍色，因此這裏用黑色的最後一個字母） 白色 - 'w' 線： 直線 - '-' 虛線 - '--' 點線 - ':' 點劃線 - '-.' 經常使用點標記 點 - '.' 像素 - ',' 圓 - 'o' 方形 - 's' 三角形 - '^' 

更多點標記樣式點擊這裏

最後你會獲得相似下面的圖形：

使用子圖

使用子圖能夠在一個窗口繪製多張圖。

In [21]: x = np.linspace(0, 2*np.pi, 50)

In [22]: plt.subplot(2, 1, 1)   # (行，列，活躍區)
Out[22]: <matplotlib.axes._subplots.AxesSubplot at 0x1dcdb6ba978>

In [23]: plt.plot(x, np.sin(x), 'r')
Out[23]: [<matplotlib.lines.Line2D at 0x1dcdb7316d8>]

In [24]: plt.subplot(2, 1, 2)
Out[24]: <matplotlib.axes._subplots.AxesSubplot at 0x1dcdb731ba8>

In [25]: plt.plot(x, np.cos(x), 'g')
Out[25]: [<matplotlib.lines.Line2D at 0x1dcdb77bfd0>]

In [26]: plt.show()

使用子圖只須要一個額外的步驟，就能夠像前面的例子同樣繪製數據集。即在調用 plot() 函數以前須要先調用 subplot() 函數。該函數的第一個參數表明子圖的總行數，第二個參數表明子圖的總列數，第三個參數表明活躍區域。

活躍區域表明當前子圖所在繪圖區域，繪圖區域是按從左至右，從上至下的順序編號。例如在 4×4 的方格上，活躍區域 6 在方格上的座標爲 (2, 2)。

最終你會獲得相似下面的圖形：

簡單的散點圖

散點圖是一堆離散點的集合。用 Matplotlib 畫散點圖也一樣很是簡單。

In [27]: x = np.linspace(0, 2*np.pi, 50)

In [28]: y = np.sin(x)

In [29]: plt.scatter(x, y)
Out[29]: <matplotlib.collections.PathCollection at 0x1dcddb706a0>

In [30]: plt.show()

正如上面代碼所示，你只須要調用 scatter() 函數並傳入兩個分別表明 x 座標和 y 座標的數組。注意，咱們經過 plot 命令並將線的樣式設置爲 'bo' 也能夠實現一樣的效果。

最後你會獲得相似下面的無線圖形：

彩色映射散點圖

另外一種你可能用到的圖形是彩色映射散點圖。這裏咱們會根據數據的大小給每一個點賦予不一樣的顏色和大小，並在圖中添加一個顏色欄。

In [31]: x = np.random.rand(1000)

In [32]: y = np.random.rand(1000)

In [33]: size = np.random.rand(1000) * 50

In [34]: colour = np.random.rand(1000)

In [35]: plt.scatter(x, y, size, colour)
Out[35]: <matplotlib.collections.PathCollection at 0x1dcdde984e0>

In [36]: plt.colorbar()
Out[36]: <matplotlib.colorbar.Colorbar at 0x1dcddece0b8>

In [37]: plt.show()

上面的代碼大量的用到了 np.random.rand(1000)，緣由是咱們繪圖的數據都是隨機產生的。

同前面同樣咱們用到了 scatter() 函數，可是此次咱們傳入了另外的兩個參數，分別爲所繪點的大小和顏色。經過這種方式使得圖上點的大小和顏色根據數據的大小產生變化。

而後咱們用 colorbar() 函數添加了一個顏色欄。

最後你會獲得相似於下面的彩色散點圖：

直方圖

直方圖是另外一種常見的圖形，也能夠經過幾行代碼建立出來。

In [38]: x = np.random.randn(1000)

In [39]: plt.hist(x, 50)
Out[39]:
(array([ 2.,  0.,  0.,  1.,  2.,  2.,  1.,  0.,  1.,  1.,  9.,  6., 11.,
        16., 20., 18., 23., 26., 34., 25., 42., 31., 52., 40., 38., 56.,
        35., 49., 49., 41., 44., 46., 46., 31., 30., 32., 26., 24., 24.,
        16.,  8.,  5., 12.,  4.,  4.,  5.,  2.,  7.,  2.,  1.]),
 array([-3.32384545, -3.20164134, -3.07943724, -2.95723314, -2.83502904,
        -2.71282494, -2.59062084, -2.46841674, -2.34621264, -2.22400854,
        -2.10180443, -1.97960033, -1.85739623, -1.73519213, -1.61298803,
        -1.49078393, -1.36857983, -1.24637573, -1.12417163, -1.00196752,
        -0.87976342, -0.75755932, -0.63535522, -0.51315112, -0.39094702,
        -0.26874292, -0.14653882, -0.02433471,  0.09786939,  0.22007349,
         0.34227759,  0.46448169,  0.58668579,  0.70888989,  0.83109399,
         0.95329809,  1.0755022 ,  1.1977063 ,  1.3199104 ,  1.4421145 ,
         1.5643186 ,  1.6865227 ,  1.8087268 ,  1.9309309 ,  2.05313501,
         2.17533911,  2.29754321,  2.41974731,  2.54195141,  2.66415551,
         2.78635961]),
 <a list of 50 Patch objects>)

In [40]: plt.show()

直方圖是 Matplotlib 中最簡單的圖形之一。你只須要給 hist() 函數傳入一個包含數據的數組。第二個參數表明數據容器的個數。數據容器表明不一樣的值的間隔，並用來包含咱們的數據。數據容器越多，圖形上的數據條就越多。

最終你會獲得相似下面的直方圖：

標題，標籤和圖例

當須要快速建立圖形時，你可能不須要爲圖形添加標籤。可是當構建須要展現的圖形時，你就須要添加標題，標籤和圖例。

In [41]: x = np.linspace(0, 2*np.pi, 50)

In [42]: plt.plot(x, np.sin(x), 'r-x', label='Sin(x)')
Out[42]: [<matplotlib.lines.Line2D at 0x1dcde55db00>]

In [43]: plt.plot(x, np.cos(x), 'g-^', label='Cos(x)')
Out[43]: [<matplotlib.lines.Line2D at 0x1dcde282ac8>]

In [44]: plt.legend()  # 展現圖例
Out[44]: <matplotlib.legend.Legend at 0x1dcde282dd8>

In [45]: plt.xlabel('Rads')  # 給x軸添加標籤
Out[45]: Text(0.5,0,'Rads')

In [46]: plt.ylabel('Amplitude')  # 給y軸添加標籤
Out[46]: Text(0,0.5,'Amplitude')

In [47]: plt.title('Sin and Cos Waves')  # 添加圖形標題
Out[47]: Text(0.5,1,'Sin and Cos Waves')

In [48]: plt.show()

爲了給圖形添加圖例，咱們須要在 plot() 函數中添加命名參數 'label' 並賦予該參數相應的標籤。而後調用 legend() 函數就會在咱們的圖形中添加圖例。

接下來咱們只須要調用函數 title()，xlabel() 和 ylabel() 就能夠爲圖形添加標題和標籤。

你會獲得相似於下面這張擁有標題、標籤和圖例的圖形：

餅圖

餅圖陰影、分裂等屬性設置：

# labels參數設置每一塊的標籤；

# labeldistance參數設置標籤距離圓心的距離（比例值）

# autopct參數設置比例值小數保留位(%.3f%%)；

# pctdistance參數設置比例值文字距離圓心的距離

# explode參數設置每一塊頂點距圓心的長度（比例值,列表）；

# colors參數設置每一塊的顏色（列表）；

# shadow參數爲布爾值，設置是否繪製陰影

# startangle參數設置餅圖起始角度

餅圖適合展現各部分佔整體的比例，條形圖適合比較各部分的大小

In [51]: x = [11, 22, 33, 44]

In [52]: plt.pie(x, labels=['a', 'b', 'c', 'd'])
Out[52]:
([<matplotlib.patches.Wedge at 0x1dcde8894a8>,
  <matplotlib.patches.Wedge at 0x1dcde8899b0>,
  <matplotlib.patches.Wedge at 0x1dcde889e80>,
  <matplotlib.patches.Wedge at 0x1dcde891390>],
 [Text(1.04616,0.339919,'a'),
  Text(0.339919,1.04616,'b'),
  Text(-1.04616,0.339919,'c'),
  Text(0.339919,-1.04616,'d')])

In [53]: plt.show()

最終你會獲得相似下面的餅圖：