Python可视化简介¶
- Python是一种面向对象的解释型计算机程序设计语言
- “胶水语言”，能够把用其他语言制作的各种模块联结在一起
- Python语言也有一系列的数据可视化包（packages），包括
- Pandas
- Matplotlib
- Seaborn
- Bokeh
- plotly
- plotnine
- ...
Matplotlib架构层¶
- Scripting (脚本）层
pyplot，类似matlab的绘图apipylab(deprecated)
- Artist (表现)层
- 图中的所有元素，标题、轴标签、刻度……
- 知道如何在画布上绘制“自己”
- Backend (后端)层
- 提供通用绘图接口（draw_point ……）
- 与“物理”世界进行交互（键盘、鼠标）
- Scripting 访问 Artist， Artist 访问 Backend
matplotlib接口¶
| pyplot | 面向对象的API | |
|---|---|---|
| 优点 | 命名空间 | 完全控制 |
| 缺点 | 控制不足 | 使用复杂 |
| 适用场景 |
|
|
画一张图需要几步？¶
matplotlib作图剖析¶
Artist包含两类元素：
- 基础（primitives）类
- 线（line）
- 点（marker）
- 文字（text）
- 图例（legend）
- ....
- 容器（containers）类
- 图（figure）
- 坐标系（axes）
- 坐标轴（axis）
- 刻度（tick）
In [7]:
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
plt.show()
print( 'fig.axes:', fig.axes)
fig.axes: [<matplotlib.axes._subplots.AxesSubplot object at 0x00000256491F4CD0>]
In [8]:
xax = ax.xaxis
yax = ax.yaxis
print( 'ax.xaxis:', xax )
print( 'ax.yaxis:', yax, '\n' )
print( 'ax.xaxis.majorTicks:', xax.majorTicks, '\n' )
print( 'ax.xaxis.minorTicks:', xax.minorTicks )
print( 'ax.yaxis.minorTicks:', yax.minorTicks )
ax.xaxis: XAxis(54.000000,36.000000) ax.yaxis: YAxis(54.000000,36.000000) ax.xaxis.majorTicks: [<matplotlib.axis.XTick object at 0x000002564A931B80>, <matplotlib.axis.XTick object at 0x000002564CEBE6A0>, <matplotlib.axis.XTick object at 0x000002564BFA31C0>, <matplotlib.axis.XTick object at 0x000002564CEBEA90>, <matplotlib.axis.XTick object at 0x000002564CEBECD0>, <matplotlib.axis.XTick object at 0x000002564BFD72B0>] ax.xaxis.minorTicks: [<matplotlib.axis.XTick object at 0x000002564BFDA610>] ax.yaxis.minorTicks: [<matplotlib.axis.YTick object at 0x0000025649220160>]
选择四大容器¶
图（Figure） → 坐标系（Axes） → 坐标轴（Axis） → 刻度（Ticks）
创造完以上四个容器元素后，我们可在上面添加各种基础元素，比如：
在坐标轴和刻度上添加标签
在坐标系中添加线、点、网格、图例和文字
在图中添加图例
添加基础元素¶
要画出一幅有内容的图，需要在容器里添加基础元素比如线 (line), 点(marker), 文字 (text), 图例 (legend), 网格 (grid), 标题 (title), 图片 (image) 等，具体来说
- 画一条线，用 plt.plot() 或 ax.plot()
画个记号，用 plt.scatter() 或 ax.scatter()
添加文字，用 plt.text() 或 ax.text()
添加图例，用 plt.legend() 或 ax.legend()
添加图片，用 plt.imshow() 或 ax.imshow()
线图（Line plot）¶
使用matplotlib.pyplot中的
plot()
In [2]:
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 10, 0.1)
y = np.sin(x)
# 根据数据绘图
plt.plot(x,y)
plt.show()
散点图（Scatter）¶
使用
scatter()
In [ ]:
x = [1,2,3,4]
y = [1,4,9,16]
plt.scatter(x,y)
plt.show()
In [76]:
plt.scatter(x,y)
plt.show()
柱状图(Bar)¶
使用
bar()
In [60]:
N = 20
x = np.arange(0,N)
y = x ** 2
plt.bar(x, y)
plt.show()
极坐标图¶
在调用subplot()创建子图时通过设置
projection='polar'
In [62]:
theta = np.linspace(0, 2 * np.pi, 20, endpoint = False)
radii = sorted(y,reverse=True)
width = np.pi / 10
ax = plt.subplot(111, projection = 'polar')
bars = ax.bar(theta, y, width = width, bottom = 0.0)
饼图（Pie）¶
使用
pie()
In [89]:
x = np.random.randint(1, 10, 4)
print(x)
plt.pie(x, startangle=90, counterclock=False)
plt.show()
[5 9 7 6]
堆叠图¶
使用
stackplot()
In [4]:
x = [1, 2, 3, 4, 5]
y1 = [1, 1, 2, 3, 5]
y2 = [0, 4, 2, 6, 8]
y3 = [1, 3, 5, 7, 9]
labels = ["Fibonacci ", "Evens", "Odds"]
fig, ax = plt.subplots()
ax.stackplot(x, y1, y2, y3, labels=labels)
ax.legend(loc='upper left')
plt.show()
热力图¶
调用
imshow()
In [160]:
X = np.random.randint(1,10,(10,10))
plt.imshow(X)
plt.colorbar()
plt.show()
直方图（Histogram）¶
使用
hist()
In [71]:
# 产生正态分布
mu, sigma = 0, 1
s = np.random.normal(loc=0, scale=1, size=1000)
# 绘制直方图
count, bins, ignored = plt.hist(s, 30, density=True)
# 绘制概率密度图
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * np.exp( - (bins - mu)**2 / (2 * sigma**2) ), linewidth=2, color='r')
plt.show()
箱型图（Box）¶
使用
boxplot()
In [26]:
s = np.random.normal(loc=0, scale=1, size=100)
plt.boxplot(s)
plt.show()
小提琴图¶
使用
violinplot()
In [27]:
ax = plt.violinplot(s,
showmeans=True,
showmedians=True)
print(ax.keys())
ax['cmeans'].set_color('orange')
plt.show()
dict_keys(['bodies', 'cmeans', 'cmaxes', 'cmins', 'cbars', 'cmedians'])
等高线图¶
使用
contour()
In [7]:
delta = 0.025
x = np.arange(-3.0, 3.0, delta)
y = np.arange(-2.0, 2.0, delta)
# 使用np.meshgrid,将 X 和 Y 编织成栅格
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
Z = (Z1 - Z2) * 2
fig, ax = plt.subplots()
# 绘制Z的等值图
CS = ax.contour(X, Y, Z)
ax.clabel(CS, inline=1, fontsize=10)
plt.show()
3D图¶
使用
matplotlib.pyplot和mpl_toolkits.mplot3d模块
In [115]:
# 导入 Axes 3D
from mpl_toolkits.mplot3d import Axes3D
# 将图像加载在Figure对象，使用Axes3D添加坐标轴
fig = plt.figure()
ax = Axes3D(fig)
# 使用np.meshgrid,将 X 和 Y 编织成栅格
# X, Y value
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y) # x-y 平面的网格
R = np.sqrt(X ** 2 + Y ** 2)
# height value
Z = np.sin(R)
# 使用Axes 3D的plot_surface()绘制
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
# 添加XY平面的投影
ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))
ax.set_zlim(-2,1)
plt.show()
设置颜色¶
- 简单颜色
- 灰度
- 十六进制代码
- RGB
In [43]:
# 2. 使用numpy创建数据
x = np.arange(0, 10, 0.1)
y = np.sin(x)
# 3. 根据数据绘图
plt.plot(x,y, color='b')
plt.plot(x,y+1,color='0.5') #灰度
plt.plot(x,y+2,color='#0FEC8B') #十六进制颜色表示
plt.plot(x,y+3,color=(0.6, 0.1, 0.5)) # RGB
plt.show()
设置线型/标记¶
设置
linestyle和marker
In [51]:
plt.plot(y, linestyle='dashed',marker='*')
plt.show()
FMT参数设置¶
[fmt] 是一个字符串来定义图的基本属性如：颜色（color），点型（marker），线型（linestyle），具体形式：
fmt = '[color][marker][line]'
若属性用的是全名则不能用fmt参数来组合赋值，应该用关键字参数对单个属性赋值
In [63]:
plt.plot(x, y, 'go-') # 绿色圆点实线
plt.show()
设置标题¶
In [9]:
import matplotlib.pyplot as plt
#括号当中输入标题的名称
plt.title("my title")
plt.show()
试一下中文？¶
In [10]:
#设置rc参数显示中文标题
#设置字体为SimHei显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.title("我的标题")
plt.show()
坐标轴及标签¶
In [11]:
plt.xlim(0,6) #x轴坐标轴
plt.ylim((0, 3))#y轴坐标轴
plt.xlabel('X坐标')#x轴标签
plt.ylabel('Y坐标')#y轴标签
plt.show()
试一下负数？¶
In [12]:
plt.rcParams['axes.unicode_minus']=False
plt.ylim((-3, 3))#y轴坐标轴
plt.show()
设置标签和图例¶
In [13]:
plt.plot(2, 3, '*',label="star")#第一个label
plt.plot(1, 3* 2, 'o',label="dot")#第二个label
plt.legend(loc='best')#图列位置，可选best，center等
plt.show()
添加注释¶
有时候我们需要对特定的点进行标注，我们可以使用 plt.annotate 函数来实现:
- s: 注释信息内容
- xy:箭头点所在的坐标位置
- xytext:注释内容的坐标位置
- arrowprops：设置指向箭头的参数
In [15]:
import numpy as np
x=np.linspace(0,10,200)#从0到10之间等距产生200个值
y=np.sin(x)
plt.plot(x,y,linestyle=':',color='b')
plt.annotate(s='标记点',xy=(3,np.sin(3)),
xytext=(4,-0.5),weight='bold',color='b',
arrowprops=dict(arrowstyle='-|>',color='k'))
plt.show()
使用子图¶
使用subplot()将多张子图展示在一起：
- 在调用 plot()函数之前需要先调用 subplot() 函数
- 第一个参数代表子图的总行数
- 第二个参数代表子图的总列数
- 第三个参数代表当前激活的子图
In [16]:
ax1 = plt.subplot(2, 2, 1)
plt.plot(x,np.sin(x), 'k')
ax2 = plt.subplot(2, 2, 2, sharey=ax1) # 与 ax1 共享y轴
plt.plot(x, np.cos(x), 'g')
ax3 = plt.subplot(2, 2, 3)
plt.plot(x,x, 'r')
ax4 = plt.subplot(2, 2, 4, sharey=ax3) # 与 ax3 共享y轴
plt.plot(x, 2*x, 'y')
plt.show()
backend设置¶
In [46]:
i_bk = matplotlib.rcsetup.interactive_bk # 获取 interactive backend
n_i_bk = matplotlib.rcsetup.non_interactive_bk # 获取 non-interactive backend
all_bk = matplotlib.rcsetup.all_backends # 获取 所有 backend
print(i_bk)
print(n_i_bk)
# 查看当前的backend
print(matplotlib.get_backend())
['GTK3Agg', 'GTK3Cairo', 'MacOSX', 'nbAgg', 'Qt4Agg', 'Qt4Cairo', 'Qt5Agg', 'Qt5Cairo', 'TkAgg', 'TkCairo', 'WebAgg', 'WX', 'WXAgg', 'WXCairo'] ['agg', 'cairo', 'pdf', 'pgf', 'ps', 'svg', 'template'] Qt5Agg
切换backend¶
In [57]:
import matplotlib
import matplotlib.pyplot as plt
matplotlib.use('Qt5Agg')
%matplotlib qt5
print(matplotlib.get_backend())
# plt.switch_backend('tkagg') 在Jupyter下试试？
%matplotlib inline
print (matplotlib.rcParams['backend'])
Qt5Agg module://ipykernel.pylab.backend_inline
保存图片¶
使用'savefig()'
In [23]:
fig.savefig('image.png', dpi=300)
image = plt.imread('image.png')
plt.figure(figsize = (20,16))
plt.imshow(image)
plt.show()
总结¶
- matplotlib画图可以总结为3个步骤：
- 获取数据
- 画出基本图形
- 设置细节
- matplotlib所提供的图形非常丰富，可以自由组合
- matplotlib提供精细的图像表达，通过细节设置丰富效果
- 不足：
- 古老
- 不够简洁
- 不够美观