大數據分析工具Matplotlib用法目錄TOC\o"1-2"\h\u289751.1初級繪制 3259421.使用默認配置 5159582.改變線條的顏色和粗細 774703.設置邊界 7236964.設置刻度 7323505.設置刻度標簽 8240706.移動軸線 92627.添加圖例 9242048.注解某些點 1033491.2圖像、子區(qū)、子圖、刻度 1171931.圖像 1139372.子圖 12174033.坐標軸 12277884.刻度 1227351.3其他種類的繪圖 14266121.常規(guī)繪圖 14275312.散點圖 1518573.條形圖 1657854.等高線圖 18325955.餅圖 1916146.矢量圖 20239587.極軸圖 21174148.三維繪圖 22309861.4總結 23大數據分析工具Matplotlib用法Matplotlib是Python2D繪圖領域使用廣泛的套件。它能讓使用者很輕松地將數據圖形化，并且提供多樣化的輸出格式。本章將會探索Matplotlib的常見用法。在Matplotlib中使用最多的模塊是Pyplot。Pylab是Matplotlib面向對象繪圖庫的一個接口。它的語法和Matlab十分相近。也就是說，它主要的繪圖命令和Matlab對應的命令有相似的參數。初級繪制使用Matplotlib庫繪圖，原理很簡單，就是下面這5步：創(chuàng)建一個圖紙（figure）。在圖紙上創(chuàng)建一個或多個繪圖（plotting）區(qū)域（也叫子圖、坐標系／軸）。在plotting區(qū)域上描繪點、線等各種marker。為plotting添加修飾標簽（繪圖線上的或坐標軸上的）。其他各種DIY。在上面的過程中，主要涉及下面3個元素：變量。函數。圖紙（figure）和子圖（axes，也可以理解成坐標軸）。其中，變量和函數通過改變figure和axes中的元素（例如標題、標簽、點和線等）一起描述figure和axes，也就是在畫布上繪圖。圖片結構如圖5.1所示。圖5.1Matplotlib庫繪圖圖片結構這一節(jié)將從簡到繁：先嘗試用默認配置在同一張圖上繪制正弦和余弦函數圖像，然后逐步美化它。下面取得正弦函數和余弦函數的值：frompylabimport*frompylabimport*X=np.linspace(-np.pi,np.pi,256,endpoint=True)C,S=np.cos(X),np.sin(X)X現在是一個NumPy數組，包含從-π到+π（包含π）等差分布的256個值。C是正弦值（256個值），S是余弦值（256個值）?？梢栽贗Python的交互模式下測試代碼，也可以執(zhí)行Python文件。 pythonexercise_1.py 使用默認配置Matplotlib的默認配置都允許用戶自定義?？梢哉{整大多數的默認配置：圖片大小和分辨率（dpi）、線寬、顏色、風格、坐標軸以及網格的屬性、文字與字體屬性等。不過，Matplotlib的默認配置在大多數情況下已經做得足夠好，只在很少的情況下才會更改這些默認配置。frompylabimport*frompylabimport*X=np.linspace(-np.pi,np.pi,256,endpoint=True)C,S=np.cos(X),np.sin(X)plot(X,C)plot(X,S)show()Matplotlib使用默認配置的正余弦圖如圖5.2所示。下面的代碼中展現了Matplotlib的默認配置并輔以注釋說明，這部分配置包含有關繪圖樣式的所有配置。代碼中的配置與默認配置完全相同，可以在交互模式中修改其中的值來觀察效果。##導入Matplotlib的所有內容（NymPy可以用np這個名字）frompylabimport*#創(chuàng)建一個8*6點（point）的圖，并設置分辨率為80figure(figsize=(8,6),dpi=80)#創(chuàng)建一個新的1*1的子圖，接下來的圖樣繪制在其中的第1塊（也是唯一的一塊）subplot(1,1,1)X=np.linspace(-np.pi,np.pi,256,endpoint=True)C,S=np.cos(X),np.sin(X)#繪制余弦曲線，使用藍色的、連續(xù)的、寬度為1（像素）的線條plot(X,C,color="blue",linewidth=1.0,linestyle="-")#繪制正弦曲線，使用綠色的、連續(xù)的、寬度為1（像素）的線條plot(X,S,color="green",linewidth=1.0,linestyle="-")#設置橫軸的上下限xlim(-4.0,4.0)#設置橫軸記號xticks(np.linspace(-4,4,9,endpoint=True))#設置縱軸的上下限ylim(-1.0,1.0)#設置縱軸記號yticks(np.linspace(-1,1,5,endpoint=True))##以分辨率72來保存圖片#savefig("exercice_2.png",dpi=72)#在屏幕上顯示show()改變線條的顏色和粗細以藍色和紅色分別表示余弦和正弦函數，而后將線條變粗一點。在水平方向拉伸一下整個圖，如圖5.3所示。圖5.3改變線條的顏色和粗細figure(figsize=(10,6),dpi=80)figure(figsize=(10,6),dpi=80)plot(X,C,color="blue",linewidth=2.5,linestyle="-")plot(X,S,color="red",linewidth=2.5,linestyle="-")設置邊界當前的圖像邊界有點太緊了，而且想要預留一點空間使數據點更清晰。xlim(X.min()*1.1,xlim(X.min()*1.1,X.max()*1.1)ylim(C.min()*1.1,C.max()*1.1)設置刻度當前的刻度并不理想，因為不顯示正余弦中我們感興趣的值（+/-π,+/-π/2）。我們將進行更改，讓其只顯示這些值。xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi])yticks([-1,0,+1])xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi])yticks([-1,0,+1])效果如圖5.4所示。圖5.4設置刻度設置刻度標簽刻度已經設置得很合適了，但是其標簽并不是很清楚，可以猜出3.142是π，但是最好讓它更直接。當設置刻度值時，也可以在第二個參數列表中提供相應的標簽。注意，用latex可以獲得更好渲染的標簽。效果如圖5.5所示。圖5.5設置刻度標簽移動軸線軸線（spines）是連接刻度標志和標示數據區(qū)域邊界的線。它們可以被放置在任意地方，現在是軸的邊界。改變這點，讓它們位于中間。一共有4個軸線（上／下／左／右）。通過將它們的顏色設置成None舍棄位于頂部和右部的軸線。然后把底部和左部的軸線移動到數據空間坐標中的零點。ax=gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data',0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data',0))ax=gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data',0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data',0))添加圖例下面在圖片左上角添加一個圖例。這僅僅需要向plot命令添加關鍵字參數label（之后將被圖例框使用）。plot(X,C,color="blue",linewidth=2.5,linestyle="-",label="cosine")plot(X,S,color="red",linewidth=2.5,linestyle="-",label="sine")plot(X,C,color="blue",linewidth=2.5,linestyle="-",label="cosine")plot(X,S,color="red",linewidth=2.5,linestyle="-",label="sine")legend(loc='upperleft')效果如圖5.6所示。圖5.6添加圖例注解某些點現在使用annotate命令注解一些我們感興趣的點。選擇2π/3作為想要注解的正弦值和余弦值。我們將在曲線上做一個標記和一個垂直的虛線。然后，使用annotate一個箭頭和一些文本。效果如圖5.7所示。圖5.7注解某些點圖像、子區(qū)、子圖、刻度到目前為止，我們都用隱式的方法來繪制圖像和坐標軸。在快速繪圖中，這種方法很方便。我們也可以顯式地控制圖像（Figures）、子圖（Axes）和坐標軸。Matplotlib中的“圖像”指的是用戶在界面上看到的整個窗口內容。在圖像里面有所謂的“子圖”。子圖的位置是由坐標網格確定的，而“坐標軸”卻不受此限制，可以放在圖像的任意位置。我們已經隱式地使用過圖像和子圖：在調用plot函數的時候，Matplotlib調用gca()函數和gcf()函數來獲取當前的坐標軸和圖像。如果無法獲取圖像，就會調用figure()函數來創(chuàng)建一個圖像，嚴格地說，是用subplot(1,1,1)創(chuàng)建一個只有一個子圖的圖像。圖像所謂圖像，就是GUI里以“Figure #”為標題的那些窗口。圖像編號從1開始，與Matlab的風格一致，而與Python從0開始編號的風格不同。表5.1所示的參數是圖像的屬性。表5.1圖像的屬性參數除了圖像數量這個參數外，其余的參數都很少修改?！啊痢眮黻P閉窗口，Matplotlib還提供了名為close的函數來關閉這個窗口。和其他對象一樣，你可以使用setp或者set_something來設置圖像的屬性。子圖用戶可以用子圖來將圖樣（Plot）放在均勻的坐標網格中，如圖5.8所示。用subplot函數的時候需要指明網格的行列數量，以及希望將圖樣放在哪個網格區(qū)域中。此外，gridspec函數的功能更強大，也可以選擇它來實現這個功能。圖5.8子圖樣式坐標軸坐標軸和子圖的功能類似，不過它可以放在圖像的任意位置，樣例圖如圖5.9所示。因此，如果希望在一幅圖中繪制一個小圖，就可以用這個功能?？潭攘己玫目潭仁菆D像的重要組成部分。Matplotlib的刻度系統(tǒng)里的各個細節(jié)都可以由用戶個性化配置。可以用TickLocators來指定在哪些位置放置刻度，用TickFormatters來調整刻度的樣式。主要和次要的刻度可以以不同的方式呈現。默認情況下，每一個次要的刻度都是隱藏的，也就是說，次要刻度列表是空的（NullLocator）。坐標軸樣例圖如圖5.9所示。圖5.9坐標軸樣例圖表5.2所示為不同需求設計的一些Locators。這些Locators都是matplotlib.ticker.Locator的子類，用戶可以據此定義自己的Locator。以日期為刻度特別復雜，因此Matplotlib提供了matplotlib.dates來實現這一功能。表5.2刻度Locators這些定位器源于Matplotlib的基類matplotlib.ticker.Locator。用戶可以源于它創(chuàng)建自己的定位器。處理時間刻度可能非常棘手，因此，Matplotlib在matplotlib.dates中提供了特殊的定位器。其他種類的繪圖常規(guī)繪圖下面嘗試生成圖5.10所示的圖形。圖5.10普通圖提示：需要使用fill_between命令。散點圖下面嘗試生成圖5.11所示的圖形，注意標記大小、顏色和透明度。圖5.11散點圖提示：色彩由(X,Y)角度給出。條形圖下面嘗試生成圖5.12所示的圖形。圖5.12條形圖提示：要注意文本對齊。等高線圖下面嘗試生成圖5.13所示的圖形。圖5.13等高線圖餅圖下面嘗試生成圖5