Python数据科学手册（4）---matplotlib数据可视化

matplotlib是Python实现可视化的第三方库，具有良好的操作系统兼容性，支持几十种图形显示接口和输出格式，称为数据科学中不可或缺的一部分。

1，常用技巧

1.1 导入matplotlib

import matplotlib.pyplot as plt

plt是最常用的接口。
设置绘图样式：使用plt.style来选择图形的绘图风格

plt.style.use('classic')

如何显示图形？
分三种情况，分别是脚本，IPython shell和IPython Notebook。
脚本：显示图形的时候必须使用plt.show(),需要注意的是一个Python会话（session）中只能使用一次plt.show().

IPython shell :在 IPython shell 中交互式地使用Matplotlib 画图非常方便，在IPython 启动 Matplotlib 模式就可以使用它。为了启用这个模式，你需要在启动 ipython 后使用 %matplotlib 魔法命令：

此后的任何plt命令都会自动打开一二图形窗口了。

IPthon Notebook：用 IPython Notebook 进行交互式画图与使用 IPython shell 类似，也需要使用 %matplotlib 命令。你可以将图形直接嵌在 IPython Notebook 页面中，有两种展现形式。
• %matplotlib notebook 会在 Notebook 中启动交互式图形。
• %matplotlib inline 会在 Notebook 中启动静态图形。

2, 画双Y轴图

def visulize_simple(kpi, raw_user):
    start = 360
    end = 360+24*14

    y = kpi[start:end].values
    user = raw_user[start:end].values

    #x = [i for i in range(start,end)]
    x = [i for i in range(len(y))]

    fig = plt.figure(figsize=(12,8))
    
    ax1 = fig.add_subplot(2, 1, 1)
    ax1.plot(x, y, color='blue', marker='.',label='kpi')
 
    for index in x:
        if index % 24 == 24 - 1:
            ax1.plot([index, index], [np.min(y), np.max(y)], color='red', linewidth=1.5,
                     linestyle="--")  # plt.plot([index, index], [np.min(y - pre), np.max(y - pre)], color='red', linewidth=1.5, linestyle="--")
    ax1.plot([0, len(x)], [np.mean(y), np.mean(y)], color='black', linewidth=1.5, linestyle="-.")
    plt.legend()
	
    ax2 = ax1.twinx()
    ax2.plot(x, user, '--g', marker='+',label='user')
    plt.grid()
    plt.legend()
	
	plt.subplot(2, 1, 2)
    plt.scatter(raw_user.values, kpi.values)
    plt.grid()
    plt.legend()

    return plt