使用matplotlib让你的数据更加生动(二)

最新推荐文章于 2022-09-04 03:16:28 发布

赵卓不凡

最新推荐文章于 2022-09-04 03:16:28 发布

阅读量9.5k

点赞数 4

分类专栏：图像处理文章标签： python 深度学习计算机视觉

本文链接：https://blog.csdn.net/sgzqc/article/details/121290608

版权

图像处理专栏收录该内容

53 篇文章 48 订阅

订阅专栏

1 引言

在上一节中我们介绍了使用matplotlib进行数据可视化的几种表现方法,包括折线图、散点图、饼状图以及柱状图; 今天我们来继续学习堆叠图、树地图、箱型图和提琴图，那么我们开始吧。。。

2 堆叠图和树地图

堆叠图可以很方便的比较数据间不同情况下的差异
树地图的思想就是通过方块的面积来表示，面积越大，其代表的值就越大，反之亦然。

可视化结果：
请添加图片描述

堆叠图：左上占比100%的堆叠面积图。它用于表示各种数据集而不会彼此重叠,它显示了每个组件相互堆叠以及每个组件如何构成完整的图形。其中各个组件可以用不同的颜色表示。
树地图：右上借助squarify显示树地图。

代码如下：

def test1():
    # left data
    M, N = 16, 4
    dadosEmp = np.random.random((N, M)) * 0.9 + 0.1
    empilha = 100 * dadosEmp / np.sum(dadosEmp, axis=0)
    # right data
    folhas = 64
    area = np.random.random(folhas) * 3 + 1
    area = np.round_(area, decimals=2)
    cores = np.random.random(folhas)
    lado = area.sum() ** 0.5
    # param
    cmapArvore = cm.get_cmap('rainbow')
    cores = cmapArvore(cores)
    from squarify import squarify
    partes = squarify(area, 0, 0, lado, lado)
    x = [parte['x'] for parte in partes]
    y = [parte['y'] for parte in partes]
    dx = [parte['dx'] for parte in partes]
    dy = [parte['dy'] for parte in partes]
    fig, (axA, axB) = plt.subplots(1, 2)
    # draw left
    axA.stackplot(np.arange(M), empilha, baseline='zero')
    axA.set_title('stack_plot')
    axA.set_ylabel('ratio')
    axA.set_xticks(np.arange(M))
    axA.set_yticks(np.linspace(0, 100, M))
    axA.set_xticklabels([chr(i + ord('a')) for i in range(M)])
    axA.legend(['G{}'.format(i + 1) for i in range(N)])
    axA.grid(alpha=0.75, linestyle=':')
    # draw right
    axB.bar(x, dy, width=dx, bottom=y, color=cores, align='edge')
    for p, a in zip(partes, area):
        x, y, dx, dy = p['x'], p['y'], p['dx'], p['dy']
        axB.text(x + dx * 0.5, y + dy * 0.5, a, va='center', ha='center')
    axB.set_title('squarify')
    plt.show()

函数说明：

stackplot(x, *args, labels=(), colors=None, baseline=’zero’, data=None, **kwargs)

x：形状为(N,)的类数组结构，即尺寸为N的一维数组。必备参数。
y：形状为(M,N)的类数组结构，即尺寸为(M,N)的二维数组。必备参数。
labels：为每个数据系列指定标签。长度为N的字符串列表。
colors：每组面积图所使用的的颜色，循环使用。颜色列表或元组。
baseline：基线。字符串，取值范围为{‘zero’, ‘sym’, ‘wiggle’, ‘weighted_wiggle’}。默认值为’zero’表示绘制简单的堆积面积图。

squarify(values, x, y, dx, dy)

values 数据列表
x,y 起始点横坐标x与纵坐标y
dx,dy 树地图的宽和高

3 箱型图和提琴图

箱型图（Box Plot）于 1977 年由美国著名统计学家约翰·图基（John Tukey）发明。它能显示出一组数据的最大值、最小值、中位数、及上下四分位数。
小提琴图（Violin Plot）是用来展示数据分布状态以及概率密度的图表。这种图表结合了箱形图和密度图的特征

可视化结果：
在这里插入图片描述

小提琴绘图：左上箱图和小提琴图形并列显示。
直方图：右上堆叠直方图显示。

代码如下：

def test2():
    # 统计数据
    entrev_dia = 1000
    dias = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri']
    ndias = len(dias)
    mu = 4 + np.random.random(ndias) * 2
    sigma = 0.5 + np.random.random(ndias) * 2
    horas = np.random.normal(mu, sigma, (entrev_dia, ndias))
    horas += np.random.random((entrev_dia, ndias)) * 2 - 1
    # 显示参数
    cmapStat = cm.get_cmap('cool')
    posicao = np.arange(ndias) * 1.5
    fig, (axA, axB) = plt.subplots(1, 2)
    # 箱图和小提琴图
    bplots = axA.boxplot(horas, positions=posicao - 0.25,
                         vert=True, widths=0.25,
                         patch_artist=True, notch=True)
    violins = axA.violinplot(horas, positions=posicao + 0.25,
                             widths=0.25, showmeans=True)
    for i, (box, violin) in enumerate(zip(bplots['boxes'], violins['bodies'])):
        cor = cmapStat(i / ndias)
        box.set_facecolor(cor)
        violin.set_facecolor(cor)
        violin.set_edgecolor('black')
        violin.set_alpha(0.75)
    axA.set_title('box_violin')
    axA.set_ylabel('sleep time')
    axA.set_xticks(posicao)
    axA.set_yticks(range(1, 10))
    axA.set_xticklabels(dias)
    axA.set_xlim((-0.5, 6.5))
    axA.grid(alpha=0.75, linestyle=':')
    # Histogram
    n, bins, patches = axB.hist(horas, bins=50, stacked=True)
    for i, patchList in enumerate(patches):
        for patch in patchList:
            patch.set_facecolor(cmapStat(i / ndias))
    axB.set_title('Histograma')
    axB.set_xlabel('sleep time')
    axB.set_ylabel('count of people')
    axB.legend(dias)
    plt.show()