机器学习——科学数据包（八）可视化：颜色样式、子图、多图、坐标

机器学习——科学数据包（八）可视化：颜色样式、子图、多图、坐标

颜色

• 八种內建默认颜色缩写
  b：blue
  g：green
  r ：red
  c ：cyan
  m：magenta
  y：yellow
  k：black
  w：white
• 其他颜色表示方法
• 灰色阴影
• html 十六进制
• RGB元组
  

点、线样式

• 23种点形状，注意：不同点形状默认使用不同颜色
  “.” ：point
  “,” ：pixel
  “o” ：circle
  “v” ：triangle_down
  “^” ：triangle_up
  “<” ：triangle_left
  “>” ：triangle_right
  “1” ：tri_down
  “2” ：tri_up
  “3” ：tri_left
  “4” ：tri_right
  “8” ：octagon
  “s” ：square
  “p” ：pentagon
  “*” ：star
  “h” ：hexagon1
  “H” ：hexagon2
  “+”：plus
  “x” ：x
  “D” ：diamond
  “d” ：thin_diamond

• 线型

  实线： -
  虚线： - -
  点划线：-.
  点线： :

• 样式字符串
  可以将颜色，点型，线型写成一个字符串：
  cx–
  mo:
  kp-
  

pyplot pylab 面向对象

• pyplot ：经典高层封装，到目前为止，我们所用的都是pyplot
• pylab ：将Matplotlib 和 Numpy合并模块、模拟Matlab编程环境
• 面向对象的方式：Matplotlib的精髓，更基础以及底层的方式

优劣：

• pyplot：简单易用。交互使用时方便，可以根据命令实时作图，但底层定制能力不足
• pylab：完全封装，环境最接近Matlab。不推荐使用
• 面向对象（Object-Oriented）：接近Matplotlib基础和底层的方式，难度稍大，但定制能力强，而且是Matplotlib的精髓
• 总结：实战中推荐，根据需求，综合使用pyplot和面向对象方式，显示导入numpy

pylab

from pylab import *
 
x = arange(0,10,1)
y = randn(len(x))
 
plot(x,y)
 
title('pylab')
 
show()

面向对象

#面向对象
x=np.arange(0,10,1)
y=np.random.randn(len(x))
fig=plt.figure()   #创建一个对象
ax=fig.add_subplot(111) #创建坐标系
ax.plot(x,y)  #画图
ax.set_title('object oriented')   #创建标题

子图

• Matplotlib对象简介
• FigureCanvas
• Figure
• Axes

实践

• fig=plt.figure()
• Figure 实例
• 可以添加Axes实例

ax=fig.add_subplot(111)

• 返回Axes实例
• 参数一：子图总行数
• 参数二：子图总列数
• 参数三：子图位置
• 在Figure上添加Axes的常用方法

x=np.arange(1,100)
fig=plt.figure()
ax1=fig.add_subplot(221)
ax1.plot(x,x)

ax2=fig.add_subplot(222)
ax2.plot(x,-x)

ax3=fig.add_subplot(223)
ax3.plot(x,x**2)

ax4=fig.add_subplot(224)
ax4.plot(x,np.log(x))

plt.show()

网格

对象/plt.grid(True)   # 生成默认网格
对象/plt.grid(color='r',linestyle=':',linewidth='2')   # 生成设置样式的网格

图例

plt.legend(loc=,ncol=)#loc=1,2,3,4    ncol=列数

坐标轴范围

# 查看坐标轴范围
对象/plt.axis()
 
# 设置坐标轴范围 同时设置x，y
对象/plt.axis([x最小值,x最大值,y最小值,y最大值])
 
# 设置x坐标轴范围
对象/plt.xlim([x最小值,x最大值])
 
# 设置y坐标轴范围
对象/plt.ylim([y最小值,y最大值])

坐标轴刻度

plt/对象.locator_params(nbins=20)    # 将x和y轴的段数调整为20
 
plt/对象.locator_params('y',nbins=20)    # 将y轴的段数调整为20

import matplotlib as mpl   # 多导入一个包
 
fig = plt.figure()
ax = plt.gca()

# 调整日期样式
date_format = mpl.dates.DateFormatter('%Y-%m-%d')
ax.xaxis.set_major_formatter(date_format)
 
# 自适应日期互不遮挡
fig.autofmt_xdate()
 
# 使用plot_date()绘制
plt.plot_date(dates,y,linestyle='-',marker='')

添加坐标轴

plt.twinx()
plt.twiny()