matplob对图片处理实践（1）

2. tableau20 = [(31, 119, 180), (174, 199, 232), (255, 127, 14), (255, 187, 120),    
3.              (44, 160, 44), (152, 223, 138), (214, 39, 40), (255, 152, 150),    
4.              (148, 103, 189), (197, 176, 213), (140, 86, 75), (196, 156, 148),    
5.              (227, 119, 194), (247, 182, 210), (127, 127, 127), (199, 199, 199),    
6.              (188, 189, 34), (219, 219, 141), (23, 190, 207), (158, 218, 229)]    
7.   
8. # Scale the RGB values to the [0, 1] range, which is the format matplotlib accepts.    
9. for i in range(len(tableau20)):    
10.     r, g, b = tableau20[i]    
11.     tableau20[i] = (r / 255., g / 255., b / 255.)    
12.   
13. #设置图的大小  
14. plt.figure(figsize=(12, 14))  
15. #限制坐标轴的范围，防止出现大片空白  
16. plt.ylim(0, 90)      
17. plt.xlim(1968, 2014)   
18. ＃x,y上的数据名称  
19. plt.xlabel("x"）  
20. plt.ylabel("y")  
21. ＃去掉上下左右的黑色框线  
22. ax = plt.subplot(111)      
23. ax.spines["top"].set_visible(False)      
24. ax.spines["bottom"].set_visible(False)      
25. ax.spines["right"].set_visible(False)      
26. ax.spines["left"].set_visible(False)   
27.   
28. #坐标轴上的数字出现在上还是下，左还是右？  
29. #ax.get_xaxis().tick_top()  
30. ax.get_xaxis().tick_bottom()  
31. #ax.get_yaxis().tick_left()  
32. ax.get_yaxis().tick_right()  
33.   
34. #调整坐标轴上的字体以及格式  
35. plt.yticks(range(0, 91, 10), [str(x) + "%" for x in range(0, 91, 10)], fontsize=14)    #第一个参数是文字位置，第二个参数是文字  
36. plt.xticks(fontsize=14)    
37.   
38. #右上角的图例，元组形式  
39. plt.legend((rect,),(u<span style="color:#ff00bf;">"图例"</span>,))  
40.   
41. ＃沿着每个坐标绘制虚线，方便查看坐标值  
42. for y in range(10, 91, 10):      
43.     plt.plot(range(1968, 2012), [y] * len(range(1968, 2012)), "--", lw=0.5, color="black", alpha=0.3)    
44.   
45.   
46. ＃去掉坐标上的数字和小线，top等是去掉tick mark，labelbottom是下边的文字标记  
47. plt.tick_params(axis="both", which="both", bottom="off", top="off",      
48.                 labelbottom="on", left="off", right="off", labelleft="on")  

２、曲线

[python] view plain copy

1. </pre><pre name="code" class="python">  
2. plt.plot(xilst, ylist, lw=2.5,  color=tableau20[0])  
3. ＃在每个线的后面加上描述，其实就是指定位置添加文本  
4. plt.text(x_pos, y_pos, info, fontsize=14, color=tableau20[rank])  

标题：

[python] view plain copy

1. plt.text(1995, 93, "Percentage of Bachelor's degrees conferred to women in the U.S.A., by major (1970-2012)", fontsize=17, ha="center")  

在图里面包含数据来源以及版权：

[python] view plain copy

1. plt.text(1966, -8, "Data source: nces.ed.gov/programs/digest/2013menu_tables.asp"      
2.        "\nAuthor: Randy Olson (randalolson.com / @randal_olson)"      
3.        "\nNote: Some majors are missing because the historical data "      
4.        "is not available for them", fontsize=10)   

保存成png格式或其他：

[python] view plain copy

1. ＃bbox_inches="tight"表示去除边缘部分的空白  
2. plt.savefig("percent-bachelors-degrees-women-usa.png", bbox_inches="tight")   

３、直方图

[python] view plain copy

1. data = list(np.random.randn(10000))  
2. data1 = list(2*np.random.randn(10000))  
3.   
4.   
5. info = r'$\mu=0.1, \ \sigma= %f$' % (0.2)   
6.   
7. plt.text(1, 0.1, info, bbox=dict(facecolor='red', alpha=0.25))#前两个值表示文本框放置的位置  
8. plt.hist(data, 50, normed=True, facecolor='r', alpha=1)#50表示把数据的区间分成多少份进行统计， normed指求得是频数还是频率，alpha都表示透明程度，越小越透明</span>  
9. plt.hist(data1, 100, normed=True, facecolor='g', alpha=0.8)  
10. plt.grid(True)  
11. plt.show()  

现在plot.ly提供了交互的动态图，只需要添加一行代码即可。

4、实践一：绘制confusion matrix

[python] view plain copy

1. import matplotlib.pyplot as plt  
2. from sklearn.metrics import confusion_matrix  
3. import numpy as np  
4.   
5. def makeconf(conf_arr, model_name):  
6.     # makes a confusion matrix plot when provided a matrix conf_arr  
7.     # every row of conf_arr is normalized  
8.     norm_conf = []  
9.     for i in conf_arr:  
10.         a = 0  
11.         tmp_arr = []  
12.         a = sum(i, 0)  
13.         for j in i:  
14.             tmp_arr.append(float(j)/float(a))  
15.         norm_conf.append(tmp_arr)  
16.   
17.     fig = plt.figure()  
18.     plt.clf() #清除画布  
19.     ax = fig.add_subplot(111) #参数的意思是把画布分成1行１列，把图画在第1块（从上到下从左到右数起）。也可以写成 fig.add_subplot(1,1,1)  
20.     ax.set_aspect(1) #控制纵横比，1:1  
21.     res = ax.imshow(np.array(norm_conf), cmap=plt.cm.jet,   
22.                     interpolation='nearest') #根据np array的数组绘制图，第二个参数是配色，有jet、gray  
23.   
24.     width = len(conf_arr)  
25.     height = len(conf_arr[0])  
26.   
27.     for x in xrange(width):  
28.         for y in xrange(height):  
29.             ax.annotate(str(conf_arr[x][y]), xy=(y, x),   
30.                         horizontalalignment='center',  
31.                         verticalalignment='center')　#在每一块表上数字，第一个参数是要标上的字符串，第二个是坐标  
32.   
33.     cb = fig.colorbar(res)　　＃在图的旁边绘制一个bar，展示颜色代表的数值  
34.     indexs = '0123456789'  
35.     plt.xticks(range(width), indexs[:width])　#x, y轴的坐标名  
36.     plt.yticks(range(height), indexs[:height])  
37.     # you can save the figure here with:  
38.     # plt.savefig("pathname/image.png")  
39.     plt.savefig("conf_matrix/{}_confusion_matrix.png".format(model_name))  
40.       
41. if __name__=="__main__":  
42.     y = [1,0,1,1,1,0,0]  
43.     predicts = [1,1,0,1,0,1,0]  
44.     conf_matrix = confusion_matrix(y, predicts)  
45.     print conf_matrix  
46.     makeconf(conf_matrix, "test")