信息可視化是數(shù)據(jù)分析中一個重要的部分。它也可能是探索數(shù)據(jù)的一部分，比如，幫助我們找到離群點或需要進(jìn)行變換的數(shù)據(jù)，或幫助我們思考選擇哪種模型更合適。Python有很多庫能用來制作統(tǒng)計或動態(tài)可視化，但這里我們重點關(guān)注matplotlib pandas searborn等庫。Matplotlib是一個非常強(qiáng)大的畫圖工具，對數(shù)據(jù)的可視化起著很大的作用。Maplotlib可以畫圖線圖，散點圖，等高線圖，條形圖，柱形圖，3D圖形，圖形動畫等。

import matplotlib.pyplot as plt  
import numpy as np
import pandas as pd 

x=np.linspace(-3,3,50) #在（-3,3）之間生成50個樣本數(shù)
y1=2*x+1
y2=x**2
plt.figure(num=1,figsize=(8,5)) #定義編號為1，大小為（8,5）
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')   #顏色線寬及格式
plt.plot(x,y2)
plt.show()

x=np.linspace(-3,3,50) #在（-3,3）之間生成50個樣本數(shù)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5)) #定義編號為2，大小為（8,5）
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')  
plt.plot(x,y2)
plt.xlim(-1,2) #x軸的范圍
plt.ylim(-2,3) #y軸的范圍
plt.xlabel('x軸')
plt.ylabel('y軸')

new_ticks=np.linspace(-1,2,5)  #-1到2分成5段，包含端點
print(new_ticks)
plt.xticks(new_ticks)  #進(jìn)行替換新下標(biāo)
plt.yticks([-2,-1,0,1,2,],
          [r'$really\ bad$','$bad$','$0$','$well$','$really\ well$'])

plt.show()

x=np.linspace(-3,3,50) #在（-3,3）之間生成50個樣本數(shù)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5)) #定義編號為2，大小為（8,5）
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')  
plt.plot(x,y2)
plt.xlim(-1,2) #x軸的范圍
plt.ylim(-2,3) #y軸的范圍
plt.xlabel('x軸')
plt.ylabel('y軸')

new_ticks=np.linspace(-1,2,5)  #-1到2分成5段，包含端點
print(new_ticks)
plt.xticks(new_ticks)  #進(jìn)行替換新下標(biāo)
plt.yticks([-2,-1,0,1,2,],
          [r'$really\ bad$','$bad$','$0$','$well$','$really\ well$'])


ax=plt.gca()  #get current axis
ax.spines['right'].set_color('none') #邊框?qū)傩栽O(shè)置為None 不顯示
ax.spines['top'].set_color('none')


plt.show()

x=np.linspace(-3,3,50) #在（-3,3）之間生成50個樣本數(shù)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5)) #定義編號為2，大小為（8,5）
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')  
plt.plot(x,y2)
plt.xlim(-1,2) #x軸的范圍
plt.ylim(-2,3) #y軸的范圍
plt.xlabel('x軸')
plt.ylabel('y軸')

new_ticks=np.linspace(-1,2,5)  #-1到2分成5段，包含端點
print(new_ticks)
plt.xticks(new_ticks)  #進(jìn)行替換新下標(biāo)
plt.yticks([-2,-1,0,1,2,],
          [r'$really\ bad$','$bad$','$0$','$well$','$really\ well$'])


ax=plt.gca()  #get current axis
ax.spines['right'].set_color('none') #邊框?qū)傩栽O(shè)置為None 不顯示
ax.spines['top'].set_color('none')


ax.xaxis.set_ticks_position('bottom')  #設(shè)置x坐標(biāo)刻度數(shù)字或名稱的位置，所有屬性為：top,bottom,both,default,none
ax.spines['bottom'].set_position(('data',0)) # 設(shè)置.spines邊框x軸，設(shè)置.set_position設(shè)置邊框的位置，y=0位置；位置所有屬性有outward,axes,data
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0)) #坐標(biāo)中心點在（0,0）位置


plt.show()

x=np.linspace(-3,3,50)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5))
plt.xlim(-1,2)
plt.ylim(-2,3)

new_ticks=np.linspace(-1,2,5) 
plt.xticks(new_ticks)
plt.yticks([-2,-1,1,2,],
          [r'$really\ bad$','$bad$','$well$','$really\ well$'])

l1,=plt.plot(x,y1,color='red',linewidth=2,linestyle='--',label='linear line')
l2,=plt.plot(x,y2,label='square line') 
plt.legend(loc='best') #顯示在最好的位置,自動分配


plt.show() #顯示圖

loc中的參數(shù)：

best  
upper right  
upper left  
lower left  
lower right  
right  
center right  
lower center  
upper center  
center

x=np.linspace(-3,3,50)
y=2*x+1
plt.figure(num=1,figsize=(8,5))
plt.plot(x,y)

#移動坐標(biāo)軸
ax=plt.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))

#標(biāo)注信息
x0=1
y0=2*x0+1
plt.scatter(x0,y0,color='b')
plt.plot([x0,x0],[y0,0],'k--',lw=2.5)  #連接兩個點，k表示黑色，lw=line weight 線粗細(xì)

plt.annotate(r'$2x0+1=%s$' % y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',fontsize=16,
             arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
#xycoords='data'  基于數(shù)據(jù)的值來選位置，xytext=(+30,-30),對于標(biāo)注位置的描述，textcoords='offset points'，xy偏差值，arrowprops對圖中箭頭類型設(shè)置
plt.text(-3.7,3,r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',fontdict={'size':16,'color':'r'})

plt.show()

n=1024
X=np.random.normal(0,1,n)  
Y=np.random.normal(0,1,n)
T=np.arctan2(Y,X)  #arctan2返回給定的X和Y值的反正切值
#scatter畫散點圖，size=75,顏色為T,透明度為50%，利用xticks函數(shù)來隱藏x坐標(biāo)軸
plt.scatter(X,Y,s=75,c=T,alpha=0.5)
plt.xlim(-1.5,1.5)
plt.xticks(())  #忽略xticks
plt.ylim(-1.5,1.5)
plt.yticks(()) #忽略yticks
plt.show()
8.2 Bar條形圖

8.3 Contours等高線圖

n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
X,Y=np.meshgrid(x,y)  #從坐標(biāo)向量返回坐標(biāo)矩陣
#函數(shù)用來計算高度值，利用contour函數(shù)把顏色加進(jìn)去，位置參數(shù)依次為x,y,f(x,y)，透明度為0.75，并將f(x,y)的值對應(yīng)到camp之中
def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)  #8表示等高線分成多少份，alpha表示透明度，cmap表示color map

C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5)
plt.clabel(C,inline=True,fontsize=10)
plt.xticks(()) #隱藏坐標(biāo)軸
plt.yticks(())

plt.show()

interpolation_methods: 可以更改看看效果
<[None, 'none', 'nearest', 'bilinear', 'bicubic', 'spline16',  
'spline36', 'hanning', 'hamming', 'hermite', 'kaiser', 'quadric',  
'catrom', 'gaussian', 'bessel', 'mitchell', 'sinc', 'lanczos']

#利用matplotlib打印出圖像
a=np.array([0.313660827978,0.365348418405,0.423733120134,
           0.365348418405,0.439599930621,0.525083754405,
           0.423733120134,0.525083754405,0.651536351379]).reshape(3,3)
plt.imshow(a,interpolation='nearest',cmap='bone',origin='lower') #origin='lower'代表就是選擇原點位置
plt.colorbar(shrink=.92) #shrink參數(shù)是將圖片長度變?yōu)樵瓉淼?2%
plt.xticks(())
plt.yticks(())
plt.show()

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D   #需要導(dǎo)入模塊Axes3D
fig=plt.figure() #定義圖像窗口
ax=Axes3D(fig)  #在窗口上添加3D坐標(biāo)軸
#將x和y值編織成柵格
X=np.arange(-4,4,0.25)
Y=np.arange(-4,4,0.25)
X,Y=np.meshgrid(X,Y)
R=np.sqrt(X**2+Y**2)
Z=np.sin(R)  #高度值

#將colormap ranbow填充顏色，之后將三維圖像投影到XY平面做等高線圖，其中rstride和cstride表示row和column的寬度
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')) #rstride表示圖像中分割線的跨圖

#添加XY平面等高線 投影到Z平面
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap=plt.get_cmap('rainbow')) #把圖像進(jìn)行投影的圖形 offset表示比0坐標(biāo)軸低兩個位置
ax.set_zlim(-2,2)
plt.show()

11.1 多合一顯示

均勻圖中圖：MatPlotLib可以組合許多的小圖在大圖中顯示，使用的方法叫做subplot.

不均勻圖中圖

plt.figure()
plt.subplot(2,1,1)  #表示將整個圖像分割成2行1列，當(dāng)前位置為1
plt.plot([0,1],[0,1]) #橫坐標(biāo)變化為[0,1] 豎坐標(biāo)變化為[0,2]

plt.subplot(2,3,4)
plt.plot([0,1],[0,2])

plt.subplot(2,3,5)
plt.plot([0,1],[0,3])

plt.subplot(2,3,6)
plt.plot([0,1],[0,4])
plt.show()

11.2 分格顯示

方法一

方法二

plt.figure()
gs=gridspec.GridSpec(3,3)  #將圖像分割成三行三列
ax6=plt.subplot(gs[0,:]) #gs[0:1]表示圖占第0行和所有列
ax7=plt.subplot(gs[1,:2]) #gs[1,:2]表示圖占第1行和前兩列
ax8=plt.subplot(gs[1:,2]) #gs[1,:]表示圖占后兩行的最后一列
ax9=plt.subplot(gs[-1,0]) 
ax10=plt.subplot(gs[-1,-2]) #gs[-1,-2]表示這個圖占倒數(shù)第一行和倒數(shù)第2列
plt.show()

方法三

fig=plt.figure()
#創(chuàng)建數(shù)據(jù)
x=[1,2,3,4,5,6,7]
y=[1,3,4,2,5,8,6]

#繪制大圖：假設(shè)大圖的大小為10，那么大圖被包含在由（1,1）開始，寬8高8的坐標(biāo)系之中
left,bottom,width,height=0.1,0.1,0.8,0.8
ax1=fig.add_axes([left,bottom,width,height]) #main axes
ax1.plot(x,y,'r')  #繪制大圖，顏色為red
ax1.set_xlabel('x') #橫坐標(biāo)名稱為x
ax1.set_ylabel('y')
ax1.set_title('title') #圖名稱為title

#繪制小圖，注意坐標(biāo)系位置和大小的改變
ax2=fig.add_axes([0.2,0.6,0.25,0.25])
ax2.plot(y,x,'b') #顏色為bule
ax2.set_xlabel('x')
ax2.set_title('title inside 1')

#繪制第二個小圖
plt.axes([0.6,0.2,0.25,0.25])
plt.plot(y[::-1],x,'g')  #將y進(jìn)行逆序
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside 2')
plt.show()

from matplotlib import pyplot as plt
from matplotlib import animation
import numpy as np
fig, ax = plt.subplots()
#我們的數(shù)據(jù)是一個0~2π內(nèi)的正弦曲線
x = np.arange(0, 2*np.pi, 0.01)
line, = ax.plot(x, np.sin(x))

#接著，構(gòu)造自定義動畫函數(shù)animate，用來更新每一幀上各個x對應(yīng)的y坐標(biāo)值，參數(shù)表示第i幀
def animate(i):
    line.set_ydata(np.sin(x + i/10.0))
    return line,
#然后，構(gòu)造開始幀函數(shù)init
def init():
    line.set_ydata(np.sin(x))
    return line,
#接下來，我們調(diào)用FuncAnimation函數(shù)生成動畫。參數(shù)說明：
#fig 進(jìn)行動畫繪制的figure
#func 自定義動畫函數(shù)，即傳入剛定義的函數(shù)animate
#frames 動畫長度，一次循環(huán)包含的幀數(shù)
#init_func 自定義開始幀，即傳入剛定義的函數(shù)init
#interval 更新頻率，以ms計
#blit 選擇更新所有點，還是僅更新產(chǎn)生變化的點。應(yīng)選擇True，但mac用戶請選擇False，否則無法顯示動畫

ani = animation.FuncAnimation(fig=fig,
                              func=animate,
                              frames=100,
                              init_func=init,
                              interval=20,
                              blit=False)
plt.show()
#圖中效果為一曲線向左移動
# 當(dāng)然，你也可以將動畫以mp4格式保存下來，但首先要保證你已經(jīng)安裝了ffmpeg 或者mencoder
# ani.save('basic_animation.mp4', fps=30, extra_args=['-vcodec', 'libx264'])