Python 数据科学指南2.2 使用Matplotlib进行绘画

Matplotlib 是Python提供的一个二维绘图库，所有类型的平面图，包括直方图、散点图、折线图、热图以及其他各种类型，都能由Python制作处理。本节我们使用pyplot的基础绘图框架。

示例代码：

import numpy as np
#使用pyplot之前，我们必须导入numpy库
import matplotlib.pyplot as plt

def simple_line_plot(x,y,figure_no):
	#首先使用pyplot的figure函数编号标示图形。
	plt.figure(figure_no)
	#然后，给定x，y值就能轻松调用plt.plot()函数
	plt.plot(x,y)
	#分别通过 xlabel、ylabel函数给x轴和y轴命名。
	plt.xlabel('x values')
	plt.ylabel('y values')
	plt.title('Simple Line')
	#图形绘制完毕，但是图形不会自动显示，必须通过调用show()函数才能显示。

def simple_dots(x,y,figure_no):
	plt.figure(figure_no)
	#这个'or'参数说明我们需要的是点（o）,这个点的颜色是红色（r）
	plt.plot(x,y,'or')
	plt.xlabel('x values')
	plt.ylabel('y values')
	plt.title('Simple Dots')

def simple_scatter(x,y,figure_no):
	plt.figure(figure_no)
	plt.scatter(x,y)
	plt.xlabel('x values')
	plt.ylabel('y values')
	plt.title('Simple Scatter')

def scatter_with_color(x,y,labels,figure_no):
	plt.figure(figure_no)
	#labels的不同值，对应不同的颜色
	plt.scatter(x,y,c=labels)
	plt.xlabel('x values')
	plt.ylabel('y values')
	plt.title('Scatter with color')

if __name__ == '__main__':
	#之前的程序可能已经绘制了一些图形，先把他们全部关闭是一个好习惯。同时，程序可能也需要更多的绘图资源。
	plt.close('all')

	#1.figure1
    #x、y样例数据生成折线图和简单的点图
	x = np.arange(1,100,dtype=float)
	#np.power(xx,2)表示 对xx求平方
	y = np.array([np.power(xx,2) for xx in x])
	#当程序中有多个图形的时候，最好用figure_no变量给每个图形设置一个编号。
	figure_no = 1

    #2.figure2
	simple_line_plot(x,y,figure_no)
	figure_no += 1
	simple_dots(x,y,figure_no)

    #3.figure3
	#x、y样例数据生成散点图
	#np.random.uniform(size=100) 生成0-1的100个随机数 
	x = np.random.uniform(size=100)
	y = np.random.uniform(size=100)
	figure_no += 1
	simple_scatter(x,y,figure_no)

    #4.figure4
	figure_no += 1
	#随机地给点加入一些标签，内容是0或1，最后再用这些x,y和标签的变量作为参数来调用scatter_with_color函数
	#np.random.randint(2,size=100) 随机生成2以内的正整数，也就是0和1，100个
	label = np.random.randint(3,size=100)
	scatter_with_color(x,y,label,figure_no)
	plt.show()

Figure1

 

 

Figure2

 

Figure3

 

Figure4

 

示例代码2:生成热图、给x和y轴添加标签

#热图及轴标签
import numpy as np
import matplotlib.pyplot as plt

def x_y_axis_labeling(x,y,x_labels,y_labels,figure_no):
	plt.figure(figure_no)
	#采用pyplot的plot函数来绘制一张简单的点图。这次我们采用"+"来表示点，r代表红色
	plt.plot(x,y,'+r')
	plt.margins(0.2)
	#使用xticks函数传递x的值和它们的标签，此外，我们还要将文本进行垂直翻转以避免相互遮挡。
	plt.xticks(x,x_labels,rotation='vertical')
	plt.yticks(y,y_labels,)

def plot_heat_map(x,figure_no):
	plt.figure(figure_no)
	#调用pcolor函数来创建热图
	plt.pcolor(x)
	#colorbar函数用来控制渐变色的颜色范围。
	plt.colorbar()


if __name__ == "__main__":
	plt.close('all')
	x = np.array(range(1,6))
	y = np.array(range(100,600,100))
	x_labels = ['element1' , 'element2' ,'element3' ,'element4' ,'element5']
	y_labels = ['weight1' ,'weight2' ,'weight3' ,'weight4' ,'weight5']
	#给x轴和y轴添上标签
	x_y_axis_labeling(x,y,x_labels,y_labels,1)

	#使用pyplot生成热图
	x = np.random.normal(loc=0.5, scale=0.2, size=(10,10))
	#第二个参数2 是图形的编号
	plot_heat_map(x,2)

	plt.show()

 

Figure5

 

Figure6