Python-Matplotlib可视化（3）——自定义样式绘制精美统计图

return a * np.exp(b * (x - mu) ** 2)

x = np.linspace(-6, 6, 1024)

for i in range(64):

samples = np.random.standard_normal(50)

mu, sigma = np.mean(samples), np.std(samples)

plt.plot(x, gaussian(x, mu, sigma), color = ‘.75’, linewidth = .5)

plt.plot(x, gaussian(x, 0., 1.), color = ‘c’, linewidth = 3.)

plt.show()

控制填充样式

---

matplotlib提供了填充图案用于填充平面。这些填充图案，对于仅包含黑白两色的图形中具有重要作用。

import numpy as np

import matplotlib.pyplot as plt

n = 10

a = np.random.random(n)

b = np.random.random(n)

x = np.arange(n)

plt.bar(x, a, color=‘w’, hatch=‘x’, edgecolor=‘black’)

plt.bar(x, a+b, bottom=a, color=‘w’, edgecolor=‘black’, hatch=‘/’)

plt.show()

具有填充呈现性的函数（如pyplot.bar()）接受可选参数hatch控制填充样式，此参数的可选值包括："/"， "\"， "|"， "-"， "+"， "x"， "o"， "O"，"."和"*"，每个值对应于不同的填充图案；edgecolor参数可用于控制图案填充的颜色。

控制标记样式

---

在《详解常见统计图的绘制》中，我们已经了解了如何如何绘制曲线，并明白了曲线是由点之间的连线构成的；此外，散点图表示数据集中的每个点。而matplotlib提供了多种形状，可以用其他类型的标记替换点的样式。

标记的指定方式包括以下几种：

1. 预定义标记：预定义的形状，表示为[0, 8]范围内的整数或某些预定义的字符串。

2. 顶点列表：值对列表，用作形状路径的坐标。

3. 正多边形：表示N边正多边形的三元组(N, 0, angle)，其中angle为旋转角度。

4. 星形多边形：它表示为三元组(N, 1, angle)，代表N边正星形，其中angle为旋转角度。

import numpy as np

import matplotlib.pyplot as plt

a = np.random.standard_normal((100, 2))

a += np.array((-1, -1))

b = np.random.standard_normal((100, 2))

b += np.array((1, 1))

plt.scatter(a[:,0], a[:,1], color = ‘m’, marker = ‘x’)

plt.scatter(b[:,0], b[:,1], color = ‘c’, marker = ‘^’)

plt.show()

使用marker参数，可以为每个数据集合集合指定不同的标记。

我们已经在中学习了如何在散点图中为每个点定义不同的颜色，如果我们需要为每个点定义不同样式该怎么办呢？问题在于，与color参数不同，marker参数不接受标记样式列表作为输入。因此，我们不能实现plt.scatter()的单次调来显示具有不同标记的多个点集。解决方案是，将每种类型的数据点分隔置不同集合中，并为每个集合单独调用pyplot.scatter()调用：

import numpy as np

import matplotlib.pyplot as plt

label_list = (

b’Iris-setosa’,

b’Iris-versicolor’,

b’Iris-virginica’,

)

colors = [‘c’,‘y’,‘m’]

def read_label(label):

return label_list.index(label)

data = np.loadtxt(‘iris.data’, delimiter = ‘,’, converters = { 4 : read_label })

marker_set = (‘^’, ‘x’, ‘.’)

for i, marker in enumerate(marker_set):

data_subset = np.asarray([x for x in data if x[4] == i])

plt.scatter(data_subset[:,0], data_subset[:,1], color = colors[i], marker = marker)

plt.show()

对于pyplot.plot()，也可以使用相同的标记参数访问标记样式。当数据点密集时，每个点都使用标记进行显示将会导致图片混乱，因此matplotlib提供了markevery参数，允许每隔N个点显示一个标记：

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-6, 6, 1024)

y_1 = np.sinc(x)

y_2 = np.sinc(x) + 1

plt.plot(x, y_1, marker = ‘x’, color = ‘.75’)

plt.plot(x, y_2, marker = ‘o’, color = ‘k’, markevery = 64)

plt.show()

控制标记大小

---

标记的大小可选参数s进行控制：

import numpy as np

import matplotlib.pyplot as plt

a = np.random.standard_normal((100, 2))

a += np.array((-1, -1))

b = np.random.standard_normal((100, 2))

b += np.array((1, 1))

plt.scatter(a[:,0], a[:,1], c = ‘m’, s = 100.)

plt.scatter(b[:,0], b[:,1], c = ‘c’, s = 25.)

plt.show()

Tips：标记的大小由plt.scatter()的参数s设置，但应注意它设置的是标记的表面积倍率而非半径。

plt.scatter()函数还可以接受列表作为s参数的输入，其表示每个点对应一个大小：

import numpy as np

import matplotlib.pyplot as plt

m = np.random.standard_normal((1000, 2))

r_list = np.sum(m ** 2, axis = 1)

plt.scatter(m[:, 0], m[:, 1], c = ‘w’, edgecolor=‘c’, marker = ‘o’, s = 32. * r_list)

plt.show()

Tips：plt.plot()函数允许在markersize(或简写为ms)参数的帮助下更改标记的大小，但是此参数不接受列表作为输入。

创建自定义标记

---

虽然matplotlib提供了多种标记形状。但是在某些情况下我们可能仍然找不到适合具体需求的形状。例如，我们可能希望使用公司徽标等作为形状。

在matplotlib中，将形状描述为一条路径——一系列点的连接。因此，如果要定义我们自己的标记形状，必须提供一系列的点：

import numpy as np

import matplotlib.path as mpath

from matplotlib import pyplot as plt

shape_description = [

( 1., 2., mpath.Path.MOVETO),

( 1., 1., mpath.Path.LINETO),

( 2., 1., mpath.Path.LINETO),

( 2., -1., mpath.Path.LINETO),

( 1., -1., mpath.Path.LINETO),

( 1., -2., mpath.Path.LINETO),

(-1., -2., mpath.Path.LINETO),

(-1., -1., mpath.Path.LINETO),

(-2., -1., mpath.Path.LINETO),

(-2., 1., mpath.Path.LINETO),

(-1., 1., mpath.Path.LINETO),

(-1., 2., mpath.Path.LINETO),

( 0., 0., mpath.Path.CLOSEPOLY),

]

u, v, codes = zip(*shape_description)

my_marker = mpath.Path(np.asarray((u, v)).T, codes)

data = np.random.rand(8, 8)

plt.scatter(data[:,0], data[:, 1], c = ‘m’, marker = my_marker, s = 75)

plt.show()

Tips：所有带有标记的图形的pyplot函数都有一个可选参数marker，其参数值可以是预定义的matplotlib标记，也可以是自定义的路径实例，路径对象在matplotlib.path模块中定义。

Path对象的构造函数将坐标列表和指令列表作为输入；每个坐标一条指令，使用一个列表将坐标和指令融合在一起，然后将坐标列表和指令传递给路径构造函数，如下所示：

u, v, codes = zip(*shape_description)

my_marker = mpath.Path(np.asarray((u, v)).T, codes)

如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！