歡迎來到專欄《Python進階》。在這個專欄中，我們會講述Python的各種進階操作，包括Python對文件、數(shù)據(jù)的處理，Python各種好用的庫如NumPy、Scipy、Matplotlib、Pandas的使用等等。我們的初心就是帶大家更好的掌握Python這門語言，讓它能為我所用。
今天是《Python進階》專欄的第五期，在本期中，我們將主要介紹如何使用Matplotlib這個第三方庫進行數(shù)據(jù)可視化。
作者&編輯 | 湯興旺
“美麗的可視化可反映出所描述數(shù)據(jù)的品質(zhì)，顯式地揭示出源數(shù)據(jù)中內(nèi)在和隱式的屬性和關(guān)系，讀者了解了這些屬性和關(guān)系之后，可以因此而獲取新的知識、洞察力和樂趣?！?/p>
以上是書籍《數(shù)據(jù)可視化之美》對可視化的解讀。說的很有道理，相信大家聽說過“一圖勝千言”這句話，當(dāng)看到一堆數(shù)據(jù)時，若你對數(shù)字不夠敏感，肯定會費勁半天找不到規(guī)律，但若用一張圖來表達時，相信你一定會一目了然。下面我就大家使用Matplotlib對數(shù)據(jù)進行美麗的可視化。
1 Matplotlib 的基本操作
在Matplotlib中有三個基本概念，分別是Figure、axes和axis。
下面我來詳細解釋下這三個基本概念。在Matplotlib中，figure你可以理解成一個畫布或者一個窗口，axes是指畫布上的一個區(qū)域，你畫的圖就在這個區(qū)域上。你可以把figure看成一張白紙，在紙上的任何區(qū)域畫圖，確定畫圖區(qū)域并確定作圖的一些方式的東西的就是axes，即坐標(biāo)對象(坐標(biāo)系)。
由于在一張白紙上可以有幾個區(qū)域進行畫圖，另外畫圖區(qū)域必須存在于白紙上才有意義。因此在figure上可有多個axes，axes必在figure上，要畫圖必有axes。
另外axis就是我們平時常見的坐標(biāo)軸，如x軸、y軸等。
對于上面的概念我們可以用下圖進行直觀理解。
通過上面的講解，我們知道在Matplotlib中的圖像都位于figure畫布中，因此可以使用plt.figure創(chuàng)建一個新畫布。如果要在一個圖表中繪制多個子圖，可使用subplot。
話不多說，我們直接看下面代碼：
import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn
fig = plt.figure() # 創(chuàng)建一個新的 Figure
ax1 = fig.add_subplot(2, 2, 1) # 不能通過空 Figure 繪圖，必須用 add_subplot 創(chuàng)建一個或多個 subplot 才行
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
ax4 = fig.add_subplot(2, 2, 4)
plt.plot(randn(50).cumsum(),'k--') # 這條沒有指定具體 subplot 的繪圖命令會在最后一個用過的 subplot 上進行繪制
_ = ax1.hist(randn(100), bins=20, color='k', alpha=0.3)
ax2.scatter(np.arange(30), np.arange(30) + 3*randn(30))
首先，創(chuàng)建了一個figure，然后在這個figure上畫了四個區(qū)域，即四個子圖，分別是直方圖、三點圖、折線圖，還有一個是只有坐標(biāo)軸的圖。
如果我想要畫多個figure應(yīng)該怎么辦呢？實際上如果要同時繪制多個圖表，可以給figure()傳遞一個整數(shù)參數(shù)指定figure對象的序號。如下例所示：
import matplotlib.pyplot as plt
import numpy as np
plt.figure(1) # 創(chuàng)建圖表1
plt.figure(2) # 創(chuàng)建圖表2
ax1 = plt.subplot(211) # 在圖表2中創(chuàng)建子圖1
ax2 = plt.subplot(212) # 在圖表2中創(chuàng)建子圖2
x = np.linspace(0, 3, 100)
for i in range(5):
plt.figure(1) # 選擇圖表1
plt.plot(x, np.exp(i * x / 3))
plt.sca(ax1) # 選擇圖表2的子圖1
plt.plot(x, np.sin(i * x))
plt.sca(ax2) # 選擇圖表2的子圖2
plt.plot(x, np.cos(i * x))
plt.show()
執(zhí)行完上面代碼后，如下圖。
2 Matplotlib的進階操作
在1中的兩個示例中，我們會發(fā)現(xiàn)手動創(chuàng)建figure，都使用了plt.figure()。如果沒有plt.figure()可以嗎？請看下面的示例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-np.pi, 5*np.pi, num = 100)
y = np.sin(x)
plt.plot(x,y)
plt.show()
我們會發(fā)現(xiàn)這段代碼中，沒有plt.figure()也畫出了圖，WHY？難道前面誤導(dǎo)了大家？我在前面說過，若沒有figure就沒有axes！
當(dāng)然這個鍋我不背，實際上這里plt.plot()是通過plt.gca()獲得當(dāng)前axes對象的ax，如果沒有會自動創(chuàng)建一個，可以理解為就是figure。然后再調(diào)用ax.plot方法實現(xiàn)真正的繪圖。
Matplotlib實際上是一套面向?qū)ο蟮睦L圖庫，它所繪制的圖表中每個圖表元素，如線條 Line2D、文字Text、刻度等在內(nèi)存中都有一個對象與之對應(yīng)。為將面向?qū)ο蟮睦L圖庫包裝成只使用函數(shù)的調(diào)用接口，pyplot模塊內(nèi)部保存了當(dāng)前圖表以及當(dāng)前子圖等信息。當(dāng)前的圖表和子圖可以使用plt.gcf()和plt.gca()獲得，分別表示"Get Current Figure"和"Get Current Axes"。在pyplot模塊中，許多函數(shù)都是對當(dāng)前的figure或axes對象進行處理，比如說：
plt.plot()實際上會通過plt.gca()獲得當(dāng)前的axes對象ax，然后再調(diào)用ax.plot()方法實現(xiàn)真正繪圖。
2.1 對圖進行裝扮
上面3個示例中均沒有展示圖例、標(biāo)注等，下面我們通過下面的示例來分享如何對一個圖進行裝扮。
import matplotlib.pyplot as plt
import numpy as np
fig, ax1 = plt.subplots(figsize=(8, 4))
r = np.linspace(0, 10, 100)
a = 4 * np.pi * r ** 2 # area
v = (4 * np.pi / 3) * r ** 3 # volume
ax1.set_title("surface area and volume of a sphere", fontsize=16)
ax1.set_xlabel("radius [m]", fontsize=16)
ax1.plot(r, a, lw=2, color="blue")
ax1.set_ylabel(r"surface area ($m^2$)", fontsize=16, color="blue")
for label in ax1.get_yticklabels():
label.set_color("blue")
ax2 = ax1.twinx()
ax2.plot(r, v, lw=2, color="red")
ax2.set_ylabel(r"volume ($m^3$)", fontsize=16, color="red")
for label in ax2.get_yticklabels():
label.set_color("red")
fig.tight_layout()
plt.show()
在上面的示例中我們通過set.title()設(shè)置了圖的標(biāo)題，通過set_xlabel和set_ylabel設(shè)置了y軸的標(biāo)簽，另外也通過get_yticklabels()和get_xticklabels()設(shè)置了坐標(biāo)軸上刻度的不同的屬性。
2.2、對圖的某個細節(jié)進行放大
平時我們在處理圖的時候，有時候需要對圖的局部細節(jié)進行查看，這時候就需要對細節(jié)進行放大，對于這個問題該怎么解決呢？請看下面的案例：
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
fig = plt.figure(figsize=(8, 4))
def f(x):
return 1 / (1 + x ** 2) + 0.1 / (1 + ((3 - x) / 0.1) ** 2)
def plot_and_format_axes(ax, x, f, fontsize):
ax.plot(x, f(x), linewidth=2)
ax.xaxis.set_major_locator(mpl.ticker.MaxNLocator(5))
ax.yaxis.set_major_locator(mpl.ticker.MaxNLocator(4))
ax.set_xlabel(r"$x$", fontsize=fontsize)
ax.set_ylabel(r"$f(x)$", fontsize=fontsize)
ax = fig.add_axes([0.1, 0.15, 0.8, 0.8], facecolor="#f5f5f5")
x = np.linspace(-4, 14, 1000)
plot_and_format_axes(ax, x, f, 18)
plt.show()
如果我想要對上圖的橫縱標(biāo)在4附近的局部峰值進行放大查看，即下圖圈紅部分進行放大查看，應(yīng)該如何操作呢？
代碼如下：
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
fig = plt.figure(figsize=(8, 4))
def f(x):
return 1 / (1 + x ** 2) + 0.1 / (1 + ((3 - x) / 0.1) ** 2)
def plot_and_format_axes(ax, x, f, fontsize):
ax.plot(x, f(x), linewidth=2)
ax.xaxis.set_major_locator(mpl.ticker.MaxNLocator(5))
ax.yaxis.set_major_locator(mpl.ticker.MaxNLocator(4))
ax.set_xlabel(r"$x$", fontsize=fontsize)
ax.set_ylabel(r"$f(x)$", fontsize=fontsize)
ax = fig.add_axes([0.1, 0.15, 0.8, 0.8], facecolor="#f5f5f5")
x = np.linspace(-4, 14, 1000)
plot_and_format_axes(ax, x, f, 18)
x0, x1 = 2.5, 3.5
ax = fig.add_axes([0.5, 0.5, 0.38, 0.42], facecolor='none')
x = np.linspace(x0, x1, 1000)
plot_and_format_axes(ax, x, f, 14)
plt.show()
代碼區(qū)紅色部分即實現(xiàn)放大部分的代碼。實際是添加了另外一個axes，只不過這個axes包含在主圖的axes中。
本期我們介紹了Matplotlib中的一些應(yīng)用，希望您能借助這個工具畫出精美的圖表。
下期預(yù)告：Python庫Pandas的高級應(yīng)用
知識星球推薦
有三AI編程與開源框架知識星球由我親自維護，內(nèi)設(shè)caffe實戰(zhàn)，Python實戰(zhàn)，Python每日一練，Pytorch實戰(zhàn)、C++每一一練等板塊。近期我重點更新caffe的實戰(zhàn)教程，包括模型定義、數(shù)據(jù)處理、源碼解讀、定制自己的caffe等等，歡迎大家了解加入，我們一起攻破編程與開源框架。
轉(zhuǎn)載文章請后臺聯(lián)系
侵權(quán)必究
