簡介:做信息可視化是數(shù)據(jù)分析中最重要的任務(wù)之一?？梢暬赡苁强碧竭^程的一部分，例如，幫助識別異常值或所需的數(shù)據(jù)轉(zhuǎn)換，或者為建模提供一些思路。對于其他人來說，構(gòu)建交互式網(wǎng)絡(luò)可視化可能是最終目標(biāo)。Python有很多附加的庫可以用來制作靜態(tài)或動態(tài)可視化文件，但我將主要關(guān)注matplotlib和基于它的庫。

本文摘自《Python數(shù)據(jù)分析》第二版。如需轉(zhuǎn)載，請聯(lián)系我們

Matplotlib是一個桌面繪圖包，用于生成發(fā)布質(zhì)量圖表。本項目由約翰·亨特于2002年發(fā)起，旨在Python環(huán)境下以MATLAB風(fēng)格繪圖。Matplotlib和IPython社區(qū)合作，簡化IPython shell的交互繪圖。Matplotlib支持所有操作系統(tǒng)上的各種GUI后端，也可以將可視化導(dǎo)出為所有常用的矢量和光柵圖形格式。).

隨著時間的推移，Mapplotlib產(chǎn)生了一些額外的數(shù)據(jù)可視化工具包，并使用Mapplotlib繪制底層。

學(xué)習(xí)以下示例代碼最簡單的方法是在Jupyter筆記本中使用交互式繪圖。設(shè)置時，需要在Jupyter筆記本中執(zhí)行以下語句:

%matplotlib筆記本

00 matplotlib API簡明介紹

使用matplotlib時，我們使用以下導(dǎo)入約定:

in在In Out:數(shù)組中:數(shù)據(jù): data =np.arange中:作為np導(dǎo)入:importmatplotlib . py plot as PLT

在Jupyter中運行% mapplotlib筆記本，我們可以嘗試生成一個簡單的圖形。如果所有設(shè)置都正確，將出現(xiàn)如圖1所示的圖形:

在中:plt.plot

▲圖1簡單線性圖

雖然seaborn等庫和熊貓內(nèi)置的繪圖功能可以處理大部分普通的繪圖細節(jié)，但是如果想自定義除了提供的功能選項之外，還需要學(xué)習(xí)一些matplotlib的AIP。

本文沒有足夠的篇幅全面介紹matplotlib的函數(shù)寬度和深度。但是介紹應(yīng)該足夠讓你入門了。Matplotlib的可視化作品庫和文檔是學(xué)習(xí)高級功能的最佳資源。

01圖片和子圖

matplotlib繪制的地圖位于Figure對象中。您可以使用plt.figure生成新圖片:

in:fig = PLT . fig

在IPython中，會出現(xiàn)一個空白色的繪圖窗口，但是在Jupyter中什么都不會顯示，直到我們使用一些其他的命令。Plt.figure有一些選項，例如，figure size是為了確保圖片存儲在硬盤上時有一定的大小和縱橫比。

不能用空白圖畫畫。您需要使用add_subplot創(chuàng)建一個或多個子圖:

in:fig = PLT . fig

In : ax1 =fig.add_subplot

上面代碼的意思是圖片應(yīng)該是2*2，我們已經(jīng)選擇了四位數(shù)中的第一位。如果您隨后創(chuàng)建兩個子圖，您將得到一個如圖2所示的可視化效果:

In : ax2 =fig.add_subplot

In : ax3 =fig.add_subplot

▲圖2 a 空帶三個子圖的白色matplotlib圖

使用Jupyter筆記本有一個細節(jié)需要注意。每個單元格運行后，圖表會重置。因此，對于更復(fù)雜的圖表，您必須將所有繪圖命令放在一個筆記本單元格中。

我們在同一個單元格中運行以下代碼:

圖=plt.figure

ax1 =fig.add_subplot

ax2 =fig.add_subplot

ax3 =fig.add_subplot

當(dāng)您輸入繪圖命令plt.plot時，matplotlib將在最后一個圖片和子圖片上繪圖，從而隱藏圖片和子圖片的創(chuàng)建。因此，如果我們添加以下代碼，您將獲得如圖3所示的可視化效果:

in:PLT . plot。cumsum，' k -')

▲圖3單個子圖繪制的數(shù)據(jù)可視化

“K-”是繪制黑色分段線的樣式選項。圖add _ plot返回的對象是AxesSubplot對象。有了這些對象，就可以在其他空白色子圖上直接調(diào)用對象的實例方法進行繪制:

in:_ = ax1 . hist，bins = 20，color='k '，alpha=0.3)

In : ax2 .散點，NP . arange+3 * NP . random . randn)

▲圖4添加子圖后的數(shù)據(jù)可視化

可以在matplotlib的官方文檔中找到完整的圖形類型。

使用子圖網(wǎng)絡(luò)創(chuàng)建圖片是一個非常常見的任務(wù)，所以matplotlib包含了一個方便的方法PLT . subtracts，它創(chuàng)建一個新的圖片，然后返回包含生成的子圖對象的NumPy數(shù)組:

在:圖中，軸=plt .支線劇情

在軸上

Out:

數(shù)組

參數(shù)

形容

nrows

子圖中的行數(shù)

ncols

子圖的列號

sharex

所有子圖使用相同的X軸比例

sharey

所有子圖都使用相同的y軸比例

支線劇情_kw

傳入add_subplot的關(guān)鍵字參數(shù)字典，用于生成子圖

* *圖_kw

生成圖片時使用的附加關(guān)鍵字參數(shù)，如PLT。子組件)

▲表1 pyplot .支線劇情選項

調(diào)整子圖周圍的間距

默認情況下，matplotlib在子圖的外部與子圖之間留有一定的距離。該間距是相對于圖形的高度和寬度指定的，因此如果您通過編程或手動使用圖形用戶界面窗口來調(diào)整圖形的大小，圖形將自動調(diào)整。您可以在圖形對象上使用子情節(jié)_調(diào)整方法來更改間距，也可以將其用作頂級函數(shù):

子情節(jié)_調(diào)整

Wspace和hspace分別控制圖片的寬度和高度百分比，可以作為子圖片之間的距離。這里有一個小例子，我將把這個差距縮小到零:

圖，軸= plt .子圖

對于范圍中的I:

對于范圍中的j:

軸。hist，bins = 50，color = 'k '，alpha = 0.5)

PLT . subtracts _ adjust

▲圖5無內(nèi)部子圖區(qū)間的數(shù)據(jù)可視化

您可能會注意到軸標(biāo)簽重疊。Matplotlib不檢查標(biāo)簽是否重疊，因此您需要在類似情況下通過明確指定比例位置和比例標(biāo)簽來固定軸標(biāo)簽。

02顏色、標(biāo)記和線型

matplotlib的主函數(shù)圖接收一個帶有x和y周的數(shù)組和一些可選的字符串縮寫參數(shù)，以指示顏色和線型。例如，要用綠色虛線畫一條從x到y(tǒng)的線，您需要執(zhí)行以下操作:

ax.plot

這種在字符串中指定顏色和線條樣式的方式很方便。實際上，如果以編程方式創(chuàng)建繪圖，可能不希望混合字符串來創(chuàng)建具有所需樣式的圖表。同樣的圖表可以用更明確的方式表達:

ax.plot

ax.plot

常見顏色有許多顏色縮寫，但您可以通過指定十六進制顏色代碼來指定任何顏色。參考plot函數(shù)的文檔字符串可以看到所有的行類型。

折線圖也可以標(biāo)記為突出顯示實際數(shù)據(jù)點。因為matplotlib創(chuàng)建了一個連續(xù)的折線圖，所以有時不清楚插入點在哪里。標(biāo)記可以是樣式字符串的一部分，樣式字符串中的線型和標(biāo)記類型必須遵循顏色:

in:from numpy . random import randn

In : plt.plot。cumsum，' ko -')

▲圖6帶標(biāo)記的折線圖

上面的代碼可以寫得更明白:

圖)。cumsum，color='k '，linestyle= '虛線'，marker='o ')

對于折線圖，您會注意到默認情況下后續(xù)點是線性插值的。您可以通過drawstyle選項更改它:

In : data =np.random.randn。cumsum

在中:plt.plot

out:

In : plt.plot

out:

In : plt.legend

▲圖7不同繪圖風(fēng)格選項下的折線圖

您可能會注意到，運行代碼后會有這樣的輸出。matplotlib返回的對象是指剛剛添加的圖表子組件。很多時候，您可以放心地忽略這些輸出。在這里，因為我們將標(biāo)簽傳遞給了繪圖，所以我們可以使用plt.lengend為每一行生成一個圖例來區(qū)分。

無論是否在用數(shù)據(jù)繪圖時傳遞lebel選項，都必須調(diào)用plt.lengend生成圖例來生成圖例。

03比例尺、標(biāo)簽和圖例

大多數(shù)圖形修改工作有兩種主要方式:使用編程pyplot接口和更面向?qū)ο蟮谋緳Cmatplotlib API。

Pyplot界面設(shè)計為交互式使用，包括xllim、xtick和xtcklabels等方法。這些方法分別控制繪圖范圍、比例位置和比例標(biāo)簽。我們可以通過兩種方式使用它:

在沒有函數(shù)參數(shù)的情況下調(diào)用，返回當(dāng)前的參數(shù)值返回當(dāng)前的x軸繪圖范圍 )。傳入?yún)?shù)的情況下調(diào)用，并設(shè)置參數(shù)值會將x軸的范圍設(shè)置為0到10)。

所有這些方法都將在當(dāng)前活動或最近創(chuàng)建的AxeSubplot上生效。這些方法中的每一種都對應(yīng)于子圖本身的兩種方法；Xlim對應(yīng)ax.get_lim和ax.set_lim。我更喜歡使用plot的實例方法，因為它更顯而易見，但是當(dāng)然你可以使用更方便的方法。

1.設(shè)置標(biāo)題、軸標(biāo)簽、刻度和刻度標(biāo)簽

為了解釋軸定制，我將生成一個簡單的圖表，并繪制一個隨機漫步:

in:fig = PLT . fig

In : ax = fig.add_subplot

in:ax . plot。cumsum)

▲圖8顯示了一個簡單的X軸圖表

改變x軸比例最簡單的方法是使用set _ XT signs和set _ xticklebels。Set _ xticks表示在數(shù)據(jù)范圍內(nèi)設(shè)置刻度的位置；默認情況下，這些秤也有標(biāo)簽。但是我們可以使用set_xticklabels為標(biāo)簽賦值:

In :刻度= ax . set _ XT picks

in:labels = ax . set _ xticklabels

旋轉(zhuǎn)選項將x軸刻度標(biāo)簽旋轉(zhuǎn)30度。最后，set_xlabel將給x軸命名，set_titel給子圖命名:

在: ax.set_title

out:& lt；matplotlib.text.Text在0x7fb624d055f8 >處；

In : ax.set_xlabel

▲圖9 X軸刻度的簡單示例

修改y軸坐標(biāo)也是同樣的過程，所以可以用y替換上例中的x，軸的類型有一個設(shè)置方法，允許批量設(shè)置繪圖屬性。根據(jù)前面的例子，我們可以編寫以下代碼:

道具={

標(biāo)題:“‘我的第一個matplotlib情節(jié)’，

xlabel:“‘階段’

}

ax . set

2.添加圖例

圖例是用來區(qū)分繪圖元素的重要內(nèi)容。添加一個傳說的方法有很多。最簡單的方法是在添加每個圖表時傳遞標(biāo)簽參數(shù):

in:from numpy . random import randn

in:fig = PLT . fig；ax =fig.add_subplot

在中:ax.plot。cumsum，' k '，label='one ')

out:

在中:ax.plot。cumsum，' k -'，label='two ')

out:

在中:ax.plot。cumsum，' k . '，label = ' three ')

out:

運行上述代碼后，還可以調(diào)用ax.legend或plt.legend來自動生成一個圖例。結(jié)果圖表見圖10:

In : ax.legend

▲圖10是一個簡單的圖表，有三條虛線和圖例

圖例方法還有其他幾個位置參數(shù)loc。參考文檔字符串了解更多信息。

loc參數(shù)告訴matplotlib放置圖表的位置。如果不挑剔的話，‘最好’是個不錯的選擇，它會自動選擇最合適的位置。如果取消圖例中的元素，請不要傳入label參數(shù)或傳入label='_nolegend_ '。

04注釋和子圖處理

除了標(biāo)準(zhǔn)繪圖類型之外，您可能希望在圖表上繪制自己的注釋，注釋可能包含文本、箭頭和其他圖形。您可以使用文本、箭頭和注釋方法來添加注釋和文本。文本在圖表上給定坐標(biāo)，根據(jù)可選的自定義樣式繪制文本:

ax.text

注釋可以同時繪制文本和箭頭。舉個例子，我們來繪制一下2007年以來標(biāo)準(zhǔn)普爾500指數(shù)的收盤價，并在圖表中標(biāo)出2008年到2009年金融危機中的重要日期。你可以在Jupyter筆記本的一個單元格中復(fù)制這些代碼。參考圖11中的代碼運行結(jié)果:

fromdatetime importdatetime

圖=plt.figure

ax =fig.add_subplot

data = PD . read _ CSV

spx =數(shù)據(jù)

spx.plot

危機_數(shù)據(jù)=

fordate，label incrisis_data:

ax . annotation +75)，

xytext= +225)，

arrowprops = dict，

水平對齊= '左'，垂直對齊= '上')

#放大2007-2010年

ax.set_xlim

ax.set_ylim

▲圖11 2008-2009年金融危機的重要日期

圖表中有一些重要的點需要突出顯示:ax.annotate方法可以在指定的X和Y坐標(biāo)上繪制標(biāo)簽。我們可以使用set_xlim和set_ylim方法來手動設(shè)置圖表的邊界，而不是使用matplotlib的默認設(shè)置。最后，ax.set_title給圖表添加一個主標(biāo)題。

參考網(wǎng)上matplotlib展廳了解更多標(biāo)注實例。

畫圖形要注意的點比較多。Matplotlib包含表示各種常見圖形的對象，這些對象的引用是面片。有些圖形，比如矩形和圓形，可以在matplotlib.pyplot中找到，但是完整的圖形集是在matplotlib.patches中找到的

當(dāng)您想要向圖中添加一個圖時，您需要生成一個補丁對象shp，并調(diào)用ax.add_patch將其添加到子圖中:

圖=plt.figure

ax =fig.add_subplot

rect =plt。矩形，0.4，0.15，顏色='k '，α= 0.3)

circ =plt。圓，0.15，顏色='b '，α= 0.3)

pgon =plt。多邊形

ax.add_patch

ax.add_patch

ax.add_patch

▲圖12三種不同補丁圖形的可視化

當(dāng)您看到許多常見繪圖類型的實現(xiàn)時，您會發(fā)現(xiàn)它們都是由補丁組裝而成的。

05將圖片保存到文件中

您可以使用plt.savefig將活動圖片保存到文件中。這個方法相當(dāng)于圖片對象的savefig實例方法。例如，要將圖片保存為SVG，您只需輸入以下代碼:

plt.savefig

文件類型是從文件擴展名推斷出來的。所以如果你用。pdf，你會得到一個PDF。我經(jīng)常用幾個重要選項發(fā)布圖形:dpi，控制每英寸點數(shù)的分辨率；Bbox_inches，可以修剪實際圖形的空白色。為了得到同樣的PNG圖片，使用最小的空400 DPI的白色，需要運行以下代碼:

plt.savefig

Savefig不能寫入硬盤，它可以將圖片寫入所有文件對象，如BytesIO:

fromio importBytesIO

buffer=BytesIO

plt.savefig

plot_data =buffer.getvalue

表2是保存圖的其他選項列表:

參數(shù)

形容

fname

包含文件路徑或Python文件類型對象的字符串。圖像格式是從文件擴展名

dpi

每英寸點數(shù)的分辨率；默認值為100，但可以進行配置

facecolor，edgecolor

子圖外部圖形背景的顏色；默認為‘w’

格式

文件格式

bbox _英寸

要保存的圖片范圍；如果您通過“通過”，圖片空周圍的白色部分將被刪除

▲表2圖.保存圖選項

06 matplotlib設(shè)置

Matplotlib配置了配色方案和默認設(shè)置，主要用于準(zhǔn)備圖片發(fā)布。幸運的是，幾乎所有的默認行為都可以通過廣泛的全局參數(shù)進行定制，包括圖形大小、子圖間距、顏色、字體大小、網(wǎng)格樣式等等。使用rc方法是通過Python編程修改配置的一種方式。例如，要將全局默認數(shù)字大小設(shè)置為10×10，您可以輸入:

plt.rc)

rc的第一個參數(shù)是你要定制的組件，比如' figure '，' axes '，' xtick '，' ytick '，' grid '，' legend '等等。之后可以根據(jù)關(guān)鍵字參數(shù)的順序指定新的參數(shù)。字典是在程序中設(shè)置選項的簡單方法:

font _ options = { ' family ':' monospace '，

重量':'粗體'，

大小':' small'}

plt.rc

如果需要更深入的定制，參考全量選項，可以參考matplotlib的設(shè)置文件，位于matplotlib/mpl-data的路徑。如果您自定義此文件并將其放在主路徑中，然后將其作為。matplotlibrc，每次使用matplotlib都會被讀取。

關(guān)于作者:韋斯·麥金尼是流行的Python開源數(shù)據(jù)分析庫熊貓的創(chuàng)始人。他是Python數(shù)據(jù)社區(qū)和Apache軟件基金會中Python/C++的活躍演講者和開源開發(fā)者。他目前在紐約擔(dān)任軟件架構(gòu)師。

本文節(jié)選自出版商授權(quán)的《Python數(shù)據(jù)分析》。

用Python擴展讀取數(shù)據(jù)分析

點擊上圖學(xué)習(xí)購買

轉(zhuǎn)載請聯(lián)系微信:多哥丸子

推薦語言:Python數(shù)據(jù)分析經(jīng)典暢銷書新升級，首版中文版銷量10萬本。全面修訂更新Python 3.6，涵蓋熊貓、NumPy、IPython、Jupyter新版本。

問:你有什么制作圖表的技巧？

轉(zhuǎn)載/提交請聯(lián)系:baiyu@hzbook.com