python數據分析工具 | matplotlib

不管是數據挖掘仍是數學建模，都免不了數據可視化的問題。對於 Python 來講，matplotlib 是最著名的繪圖庫，它主要用於二維繪圖，固然也能夠進行簡單的三維繪圖。它不但提供了一整套和 Matlab 類似但更爲豐富的命令，讓咱們能夠很是快捷地用 python 可視化數據。

matplotlib基礎

# 安裝
pip install matplotlib

 

兩種繪圖風格：

• MATLAB風格：

基本函數是 plot，分別取 x，y 的值，而後取到座標（x，y）後，對不一樣的連續點進行連線。

• 面向對象：

建立一個圖形 fig 和一個座標 ax 。

fig：figure(plt.Figure) 是一個能容納各類座標軸，圖形，文字和標籤的容器。
ax：axes(plt.Axes) 是一個帶有刻度和標籤的矩形，最終會包含各類可視化元素。

示例：

import matplotlib.pyplot as plt
import numpy as np

# 圖形顯示風格
plt.style.use('seaborn-whitegrid')

# 建立fig和ax
fig = plt.figure()
ax = plt.axes()

x = np.linspace(0,10,100)
# 顯示sin函數圖形
plt.plot(x, np.sin(x))
# 顯示cos函數圖形
plt.plot(x, np.cos(x))

plt.show()

這就是利用面向對象的方式繪圖，在交互模式中能夠看到，每畫一個圖就是產生一個對象，最後再顯示出來。

繪圖樣式

 

 

# 調整座標軸上下限
plt.xlim([xmin, xmax])
plt.ylim([ymin, ymax])

plt.axis([xmin, xmax, ymin, ymax])
# 參數：tight：把圖形設置成緊湊模式，不留多餘的部分
#       equal：圖形顯示分辨率爲1:1

線形圖

文字設置

圖形標題：plt.title

座標軸標題：plt.xlabel, plt.ylabel

基礎圖例：plt.legend

注意：對中文不友好，須要額外方法，儘可能使用英文

 

# 示例
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1, 10, 100)
plt.plot(x, np.sin(x))
plt.title('sin-function')
plt.xlabel('x-value')
plt.ylabel('y-label')
plt.show()

圖例

經過legend能夠設置圖例，同時經過參數的調整能夠細膩的設置圖例的位置、形式等。參數主要包括：

• loc：圖例的位置

• frameon：是否帶邊框

• framealpha：顏色透明

• shadow：陰影

# 示例
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1, 10, 100)

fig, ax = plt.subplots()

ax.plot(x, np.sin(x), color='red', label='sin-function')
ax.plot(x, np.cos(x), color='blue', label='cos-function')

ax.legend(loc='upper right', frameon=True, shadow=True, framealpha=0.2)
# 設置圖例位置爲右上，有邊框，有陰影，且透明度爲0.2

plt.show()

顏色條

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1, 10, 100)
I = np.sin(x) * np.cos(x[:,np.newaxis])

plt.imshow(I)
plt.colorbar()
plt.show()

散點圖

散點圖基礎

散點圖主要以點爲主，數據是不連續的數據，經過設置線的型號來完成。型號包括‘o’、‘+’、‘*’、‘1’、‘h’、‘D’等等，具體使用探索一下就好，用不到太多。

import matplotlib.pyplot as plt
import numpy as np

# 圖形顯示風格
plt.style.use('seaborn-whitegrid')

x = np.linspace(0, 10, 30)
y = np.sin(x)

# 經過設置線型爲點來完成散點圖的繪製
plt.plot(x, y, 'o', color='blue')
plt.show()

若是設置線型爲點線結合，那麼將繪製出連續的線，對應點處爲所設置的點型。

畫散點圖還可使用scatter函數來畫，他有不少更細節的描述，用法與plot相似，對於數據量較大的可視化時，plot的效率更高一些。

 

偏差線

 

import matplotlib.pyplot as plt
import numpy as np

# 圖形顯示風格
plt.style.use('seaborn-whitegrid')

x = np.linspace(0, 10, 30)
dy = x * 0.5
y = np.sin(x) + dy

plt.errorbar(x, y, yerr=dy, fmt='.k', ecolor='blue')
plt.show()

連續偏差線表示的是連續量，可使用 plt.plot 和 plt.fill_between 來畫出。

 

import matplotlib.pyplot as plt
import numpy as np

# 圖形顯示風格
plt.style.use('seaborn-whitegrid')

x = np.linspace(0, 10, 30)
ysin = np.sin(x)
ycos = np.cos(x)

plt.plot(x, ysin, color='red')
plt.plot(x, ycos, color='blue')

plt.fill_between(x, ysin, ycos, color='gray', alpha=0.2)
plt.show()

等高線（密度）

• plt.contour   等高線

• plt.contourf  自帶填充顏色

• plt.imshow   顯示圖形

等高線繪製方法：z = f（x，y），z表示高度。當只有一個顏色繪圖時，虛線表示負值，實線表示正值。meshgrid 能夠將一維數據變成二維網格數據。

import matplotlib.pyplot as plt
import numpy as np

def f(x, y):
  return np.sin(x) ** 10 + np.cos(10 + y * x) * np.cos(x)

x = np.linspace(0, 5, 50)
y = np.linspace(0, 5, 40)

# 獲得網格點矩陣
x, y =np.meshgrid(x, y)

# 計算z軸的值
z = f(x, y)

# 繪製圖形
plt.contour(x, y, z, colors='green')
# plt.contour(x, y, z, 50, cmap='RdGy') # 更改配色，值50等分，紅灰配色
plt.show()

 

 

plt.contourf(x, y, z, 50, cmap='RdGy') # 改成contourf，自動填充顏色，則變爲連續的

直方圖

基本畫法：plt.hist 能夠直接畫直方圖，參數主要包括：

• bins：劃分段（柱數）

• color：顏色

• alpha：透明度

• histtype：圖類型

import matplotlib.pyplot as plt
import numpy as np

data = np.random.randn(1000)
plt.hist(data, bins=30, alpha=0.3, histtype='stepfilled', color='blue', edgecolor='none')
plt.show()

程序中 random.randn 與 random.rand 相比，randn表示隨機生成的數符合正態分佈，所以畫出圖來是如上圖所示。

子圖

plt.subplot(2,1,1) # 子圖，（2,1,1）表明，建立2*1的畫布，而且定位於畫布1 ；等效於plt.subplot(211)，即去掉逗號

# subplots 能夠同時建立多個子圖
figure,ax = plt.subplots(2, 3) 

# 這是一個靈活建立子圖的方法，能夠建立任意組合的圖形，沒必要一一對齊，如下爲示例：
grid = plt.GridSpec(2, 3, wspace=0.3, hspace=0.2)
plt.subplot(grid[,:2])
plt.subplot(grid[1,1:3])

 

圖例配置

文字註釋

經過不一樣的座標變換，能夠把文字放在不一樣的位置：

• ax.transData：以數據爲基準

• ax.transAxes：以軸爲基準

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
ax.axis = ([0, 1, 0, 1])

ax.text(0.5, 0.5, "Data:(0.5, 0.5)", transform=ax.transData)
ax.text(0.5, 0.1, "Axes:(0.5, 0.1)", transform=ax.transAxes)
plt.show()

箭頭註釋

• plt.arrow：產生SVG向量圖形式的箭頭，會隨着分辨率改變而改變，不推薦

• plt.annotate：能夠建立文字和箭頭

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()

x = np.linspace(0, 20, 1000)
ax.plot(x, np.cos(x))
ax.axis('equal')

ax.annotate("max", xy=(6.28, 1), xytext=(10, 4), arrowprops=dict(facecolor='black', shrink=0.05))
ax.annotate('min', xy=(5 * np.pi, -1), xytext=(2, -6), arrowprops=dict(arrowstyle="->", connectionstyle='angle3, angleA=0, angleB=-90'))
plt.show()

三維圖

基礎三維圖

matplotlib 中繪製三維圖用到 mplot3d 包。導入 mplot3d 包後，能夠利用 projection 參數，控制繪製三維圖。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits import mplot3d

fig = plt.figure()
ax = plt.axes(projection='3d')

plt.show()

三維圖中固然包含三個軸，x，y，z。畫線 ax.plot3D，畫點 ax.scatter3D。爲了三維效果，它會自動將遠處的點顏色變淺。

 

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits import mplot3d

fig = plt.figure()
ax = plt.axes(projection='3d')

z = np.linspace(0, 15, 100)
x = np.sin(z)
y = np.cos(z)

ax.plot3D(x, y, z, 'red')
ax.scatter3D(x, y, z, 'blue')
plt.show()

 

 

 

三維等高線

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits import mplot3d

fig = plt.figure()
ax = plt.axes(projection='3d')

def f(x, y):
  return np.sin(np.sqrt(x ** 2 + y ** 2))

x = np.linspace(-6, 6, 30)
y = np.linspace(-6, 6, 30)
X, Y =np.meshgrid(x, y)
Z = f(X, Y)

ax.contour3D(X, Y, Z, 50)
plt.show()

圖形繪製出來後，能夠經過 ax.view_init 來控制觀察的角度，便於理解。

• 俯仰角度：x-y 平面的旋轉角度

• 方位角度：沿着 z 軸順時針旋轉角度

pandas繪圖

上篇文章講述了 pandas 的基本用法，pandas 是數據分析中最重要的工具之一，這裏補充一下 pandas 繪圖。

Series繪圖

# 這是一個小栗子
s1 = Series(np.random.randint(1000).cumsum()) # 建立series，cumsum()是指疊加求和，本位數是前幾項之和
s1.plot() # series有本身的plot函數，裏面能夠寫入想要的參數

DataFrame繪圖

df = DataFrame(
    np.random.randint(1,10,40).reshape(10,4),
    columns=['A','B','C','D']
    )
df.plot()
# dataframe也有本身的plot，按列畫出來，參數包含ax，選擇輸出的畫布
# 參數：stacked=True,表示一個堆疊的狀況，同一個index下，columns一不一樣顏色疊在一塊兒