目录
1、安装 matplotlib
在Windows系统中，首先需要安装Visual Studio。为此，请访问Windows Dev Center | Microsoft Developer，单击Downloads，再查找Visual Studio Community——一组免费的Windows开发工具。请下载并运行该安装序。
接下来，需要下载matplotlib安装程序。为此，请访问matplotlib · PyPI，并查找与你使用的Python版本匹配的wheel文件（扩展名为.whl的文件）。例如，如果你使用的是32位的Python3.5，则需要下载matplotlib-1.4.3-cp35-none-win32.whl。
将这个.whl文件复制到你的项目文件夹，打开一个命令窗口，并切换到该项目文件夹，再使用pip来安装：
python -m pip install --user matplotlib-1.4.3-cp35-none-win32.whl安装必要的包后，对安装进行测试。为此，首先使用命令python或python3启动一个终端会话，再尝试导入matplotlib：如果没有出现任何错误消息，就说明你的系统安装了matplotlib。
WARNING: The script f2py.exe is installed in 'C:\Users\hp\AppData\Roaming\Python\Python312\Scripts' which is not on PATH.
Consider adding this directory to PATH or, if you prefer to suppress this warning, use --no-warn-script-location.
$ python
>>> import matplotlibmatplotlib画廊：要查看使用matplotlib可制作的各种图表，请访问Matplotlib — Visualization with Python的示例画廊。单击画廊中的图表，就可查看用于生成图表的代码。
2、绘制折线图
下面来使用matplotlib绘制一个简单的折线图，再对其进行定制，以实现信息更丰富的数据可视化。我们将使用平方数序列1、4、9、16和25来绘制这个图表。
只需向matplotlib提供如下数字，matplotlib就能完成其他的工作：
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
plt.plot(squares)
plt.show()- 首先导入了模块pyplot，并给它指定了别名plt，以免反复输入pyplot。模块pyplot包含很多用于生成图表的函数。
- 我们创建了一个列表，在其中存储了前述平方数，再将这个列表传递给函数plot()，这个函数尝试根据这些数字绘制出有意义的图形。plt.show() 打开matplotlib查看器，并显示绘制的图形，如图所示。查看器让你能够缩放和导航图形，另外，单击磁盘图标可将图形保存起来。
修改标签文字和线条粗细
如上图所示的图形表明数字是越来越大的，但标签文字太小，线条太细。所幸matplotlib让你能够调整可视化的各个方面。下面通过一些定制来改善这个图形的可读性，如下所示：
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
plt.plot(squares, linewidth=5)
# 设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)
plt.show()
- 参数 linewidth 决定了 plot() 绘制的线条的粗细。函数 title() 给图表指定标题。
- 函数xlabel()和ylabel()让你能够为每条轴设置标题，参数fontsize指定了图表中文字的大小。
- 函数tick_params()设置刻度的样式，其中指定的实参将影响x轴和y轴上的刻度（axis='both'），并将刻度标记的字号设置为14（labelsize=14）。
校正图形
图形容易阅读后，我们发现没有正确地绘制数据：折线图的终点指出4.0的平方为25！下面来修复这个问题。
当你向plot()提供一系列数字时，它假设第一个数据点对应的 x坐标值为0，但我们的第一个点对应的 x值为1。为改变这种默认行为，我们可以给 plot() 同时提供输入值和输出值：
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
input_values = [1, 2, 3, 4, 5]
plt.plot(input_values, squares, linewidth=5)
# 设置图表标题，并给坐标轴加上标签
--snip--现在plot()将正确地绘制数据，因为我们同时提供了输入值和输出值，它无需对输出值的生成方式作出假设。最终的图形是正确的。
3、绘制散点图
使用scatter() 绘制散点图并设置其样式
有时候，需要绘制散点图并设置各个数据点的样式。例如，你可能想以一种颜色显示较小的值，而用另一种颜色显示较大的值。绘制大型数据集时，你还可以对每个点都设置同样的样式，再使用不同的样式选项重新绘制某些点，以突出它们。
绘制单点
要绘制单个点，可使用函数scatter()，并向它传递一对 x 和 y 坐标，它将在指定位置绘制一个点：
import matplotlib.pyplot as plt
plt.scatter(2, 4)
plt.show()
下面来设置输出的样式，使其更有趣：添加标题，给轴加上标签，并确保所有文本都大到能够看清：
import matplotlib.pyplot as plt
plt.scatter(2, 4, s=200)
# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()
绘制一系列点
要绘制一系列的点，可向 scatter() 传递两个分别包含x值和y值的列表，如下所示：
import matplotlib.pyplot as plt
x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]
plt.scatter(x_values, y_values, s=200)
# 设置图表标题并给坐标轴加上标签
--snip--- 列表x_values包含要计算其平方值的数字，而列表y_values包含前述每个数字的平方值。
- 将这些列表传递给scatter()时，matplotlib依次从每个列表中读取一个值来绘制一个点。
自动计算数据
手工计算列表要包含的值可能效率低下，需要绘制的点很多时尤其如此。可以不必手工计算包含点坐标的列表，而让Python循环来替我们完成这种计算。下面是绘制1000个点的代码：
import matplotlib.pyplot as plt
x_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]
plt.scatter(x_values, y_values, s=40)
# 设置图表标题并给坐标轴加上标签
--snip--
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()
- 我们首先创建了一个包含 x值的列表，其中包含数字1~1000。接下来是一个生成 y值的列表解析，它遍历 x值（for x in x_values），计算其平方值（x**2），并将结果存储到列表y_values中。然后，将输入列表和输出列表传递给scatter()。
- 由于这个数据集较大，我们将点设置得较小，并使用函数axis()指定了每个坐标轴的取值范围。函数axis()要求提供四个值：x和 y坐标轴的最小值和最大值。在这里，我们将 x坐标轴的取值范围设置为0~1100，并将 y坐标轴的取值范围设置为0~1 100 000。
删除数据点的轮廓
matplotlib 允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。要删除数据点的轮廓，可在调用scatter()时传递实参edgecolor='none'：
plt.scatter(x_values, y_values, edgecolor='none', s=40)自定义颜色
要修改数据点的颜色，可向scatter() 传递参数c，并将其设置为要使用的颜色的名称，如下所示：
plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40)
你还可以使用RGB颜色模式自定义颜色。要指定自定义颜色，可传递参数c，并将其设置为一个元组，其中包含三个0~1之间的小数值，它们分别表示红色、绿色和蓝色分量。例如，下面的代码行创建一个由淡蓝色点组成的散点图：值越接近0，指定的颜色越深，值越接近1，指定的颜色越浅。
plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor='none', s=40)使用颜色映射
颜色映射（colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值。
模块pyplot内置了一组颜色映射。要使用这些颜色映射，你需要告诉pyplot该如何设置数据集中每个点的颜色。下面演示了如何根据每个点的 y值来设置其颜色：
plt.scatter(x_values, y_values, c=y_values , cmap=plt.cm.Blues, edgecolor='none', s=40)- 我们将参数 c 设置成了一个 y 值列表，并使用参数cmap告诉pyplot使用哪个颜色映射。这些代码将 y值较小的点显示为浅蓝色，并将 y 值较大的点显示为深蓝色。
自动保存图表
要让程序自动将图表保存到文件中，可将对plt.show()的调用替换为对plt.savefig()的调用：
plt.savefig('squares_plot.png', bbox_inches='tight')- 第一个实参指定要以什么样的文件名保存图表，这个文件将存储到scatter_squares.py所在的目录中；第二个实参指定将图表多余的空白区域裁剪掉。如果要保留图表周围多余的空白区域，可省略这个实参。
4、随机漫步
随机漫步是这样行走得到的路径：每次行走都完全是随机的，没有明确的方向，结果是由一系列随机决策决定的。你可以这样认为，随机漫步就是蚂蚁在晕头转向的情况下，每次都沿随机的方向前行所经过的路径。
在自然界、物理学、生物学、化学和经济领域，随机漫步都有其实际用途。例如，漂浮在水滴上的花粉因不断受到水分子的挤压而在水面上移动。水滴中的分子运动是随机的，因此花粉在水面上的运动路径犹如随机漫步。
创建 RandomWalk() 类
为模拟随机漫步，我们将创建一个名为RandomWalk的类，它随机地选择前进方向。这个类需要三个属性，其中一个是存储随机漫步次数的变量，其他两个是列表，分别存储随机漫步经过的每个点的 x和 y坐标。
RandomWalk类只包含两个方法：__init__()和fill_walk()，其中后者计算随机漫步经过的所有点。
from random import choice
class RandomWalk():
"""一个生成随机漫步数据的类"""
def __init__(self, num_points=5000):
"""初始化随机漫步属性"""
self.num_points = num_points
# 所有随机漫步都始于(0,0)
self.x_values = [0]
self.y_values = [0]为做出随机决策，我们将所有可能的选择都存储在一个列表中，并在每次做决策时都使用choice()来决定使用哪种选择。接下来，我们将随机漫步包含的默认点数设置为5000，这大到足以生成有趣的模式，同时又足够小，可确保能够快速地模拟随机漫步。然后，在处，我们创建了两个用于存储x和y值的列表，并让每次漫步都从点(0, 0)出发。
选择方向
我们将使用fill_walk()来生成漫步包含的点，并决定每次漫步的方向，如下所示。请将这个方法添加到random_walk.py中：
def fill_walk(self):
"""计算随机漫步包含的所有点"""
# 不断漫步，直到列表达到指定的长度
while len(self.x_values) < self.num_points:
# 决定前进方向以及沿这个方向前进的距离
x_direction = choice([1, -1])
x_distance = choice([0, 1, 2, 3, 4])
x_step = x_direction * x_distance
y_direction = choice([1, -1])
y_distance = choice([0, 1, 2, 3, 4])
y_step = y_direction * y_distance
# 拒绝原地踏步
if x_step == 0 and y_step == 0:
continue
# 计算下一个点的x和y值
next_x = self.x_values[-1] + x_step
next_y = self.y_values[-1] + y_step
self.x_values.append(next_x)
self.y_values.append(next_y)- 第5行，我们建立了一个循环，这个循环不断运行，直到漫步包含所需数量的点。这个方法的主要部分告诉Python如何模拟四种漫步决定：向右走还是向左走？沿指定的方向走多远？向上走还是向下走？沿选定的方向走多远？
- 我们使用 choice([1, -1]) 给 x_direction 选择一个值，结果要么是表示向右走的1，要么是表示向左走的-1。接下来，choice([0, 1, 2, 3, 4]) 随机地选择一个 0~4 之间的整数，告诉Python 沿指定的方向走多远（x_distance）。（通过包含0，我们不仅能够沿两个轴移动，还能够沿y轴移动。）
- 第9和13行，我们将移动方向乘以移动距离，以确定沿 x 和 y 轴移动的距离。如果x_step为正，将向右移动，为负将向左移动，而为零将垂直移动；如果y_step为正，就意味着向上移动，为负意味着向下移动，而为零意味着水平移动。
- 如果 x_step 和 y_step 都为零，则意味着原地踏步，我们拒绝这样的情况，接着执行下一次循环。为获取漫步中下一个点的 x值，我们将 x_step 与 x_values 中的最后一个值相加，对于 y 值也做相同的处理。获得下一个点的 x 值和 y 值后，我们将它们分别附加到列表 x_values 和 y_values 的末尾。
绘制随机漫步图
下面的代码将随机漫步的所有点都绘制出来：rw_visual.py
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values, rw.y_values, s=15)
plt.show()- 首先导入了模块pyplot和RandomWalk类，然后创建了一个RandomWalk实例，并将其存储到rw中，再调用fill_walk()。我们将随机漫步包含的 x 和 y 值传递给scatter()，并选择了合适的点尺寸。下图显示了包含5000个点的随机漫步图。
模拟多次随机漫步
每次随机漫步都不同，因此探索可能生成的各种模式很有趣。要在不多次运行程序的情况下使用前面的代码模拟多次随机漫步，一种办法是将这些代码放在一个while循环中，如下所示：rw_visual.py
import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values, rw.y_values, s=15)
plt.show()
keep_running = input("Make another walk?(y/n): ")
if keep_running == 'n':
break给点着色
我们将使用颜色映射来指出漫步中各点的先后顺序，并删除每个点的黑色轮廓，让它们的颜色更明显。为根据漫步中各点的先后顺序进行着色，我们传递参数c，并将其设置为一个列表，其中包含各点的先后顺序。由于这些点是按顺序绘制的，因此给参数c指定的列表只需包含数字1~5000，如下所示：rw_visual.py
--snip--
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
--snip--
point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values, rw.y_values, c=point_numbers,
cmap=plt.cm.Blues, edgecolor='none', s=15)
plt.show()
--snip--- 我们使用了range()生成了一个数字列表，其中包含的数字个数与漫步包含的点数相同。接下来，我们将这个列表存储在point_numbers中，以便后面使用它来设置每个漫步点的颜色。我们将参数c设置为point_numbers，指定使用颜色映射Blues，并传递实参edgecolor=none 以删除每个点周围的轮廓。最终的随机漫步图从浅蓝色渐变为深蓝色。
除了给随机漫步的各个点着色，以指出它们的先后顺序外，如果还能呈现随机漫步的起点和终点就更好了。为此，可在绘制随机漫步图后重新绘制起点和终点。我们让起点和终点变得更大，并显示为不同的颜色，以突出它们，如下所示：rw_visual.py
--snip--
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
--snip--
point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values, rw.y_values, c=point_numbers,
cmap=plt.cm.Blues, edgecolor='none', s=15)
# 突出起点和终点
plt.scatter(0, 0, c='green', edgecolors='none', s=100)
plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red',
edgecolors='none', s=100)
plt.show()
--snip--
增加点数
下面来增加点数，以提供更多的数据。为此，我们在创建RandomWalk实例时增大 num_points 的值，并在绘图时调整每个点的大小，如下所示：rw_visual.py
--snip--
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk(50000)
rw.fill_walk()
point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values, rw.y_values, c=point_numbers,
cmap=plt.cm.Blues, edgecolor='none', s=1)
--snip--- 这个示例模拟了一次包含50 000个点的随机漫步（以模拟现实情况），并将每个点的大小都设置为1。
- 最终的随机漫步图更纤细，犹如云朵，如图所示，我们使用简单的散点图制作出了一件艺术品！
调整尺寸
图表适合屏幕大小时，更能有效地将数据中的规律呈现出来。为让绘图窗口更适合屏幕大小，可像下面这样调整matplotlib输出的尺寸：rw_visual.py
--snip--
# 只要程序处于活动状态，就不断地模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk(50000)
rw.fill_walk()
point_numbers = list(range(rw.num_points))
# 设置绘图窗口的尺寸
plt.figure(figsize=(10,6))
--snip--- 函数figure()用于指定图表的宽度、高度、分辨率和背景色。你需要给形参figsize指定一个元组，向matplotlib指出绘图窗口的尺寸，单位为英寸。
- Python假定屏幕分辨率为80像素/英寸，如果上述代码指定的图表尺寸不合适，可根据需要调整其中的数字。如果你知道自己的系统的分辨率，可使用形参dpi向figure()传递该分辨率，以有效地利用可用的屏幕空间，如下所示：
plt.figure(dpi=128, figsize=(10, 6))
扫一扫
972
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
