python写api时如何画图_利用Python进行数据分析绘图和可视化(八)

最新推荐文章于 2022-11-28 17:07:44 发布

清风寨朱子明

最新推荐文章于 2022-11-28 17:07:44 发布

阅读量372

点赞数

文章标签： python写api时如何画图

本文链接：https://blog.csdn.net/weixin_33498081/article/details/112050936

版权

本文详细介绍了Python的matplotlib库，用于创建高质量图表的桌面绘图包，特别适用于2D图表。通过matplotlib，可以创建交互式图像，并支持多种图形导出格式。文章以IPython Pylab模式为例，展示了matplotlib的基础用法，包括API入门、Figure和Subplot的使用、调整间距、颜色线型设置、刻度标签和图例的添加。matplotlib还提供了用于3D图形和地图的插件工具集。

摘要由CSDN通过智能技术生成

Python有许多可视化工具，但是我主要讲解matplotlib(http://matplotlib.sourceforge.net)。此外，还可以利用诸如d3.js(http://d3js.org/)之类的工具为Web应用构建交互式图像。

matplotlib是一个用于创建出版质量图表的桌面绘图包(主要是2D方面)。该项目是由John Hunter于2002年启动的，其目的是为Python构建一个MATLAB式的绘图接口。如果结合使用一种GUI工具包(如IPython)，matplotlib还具有诸如缩放和平移等交互功能。它不仅支持各种操作系统上许多不同的GUI后端，而且还能将图片导出为各种常见的矢量(vector)和光栅(raster)图：PDF、SVG、JPG、PNG、BMP、GIF等。

matplotlib还有许多插件工具集，如用于3D图形的mplot3d以及用于地图和投影的basemap。要使用本章中的代码示例，请确保你的IPython是以Pylab模式启动的(ipython --pylab)，或通过%gui魔术命令打开了GUI事件循环集成。

1、matplotlib API入门

使用matplotlib的办法有很多种，最常用的方式是Python模式的IPython(ipython -pylab)。这样会将IPython配置为使用你所指定的matplotlib GUI后端(Tk、wxPython、PyQt、Mac OS X native、GTK)。对大部分用户而言，默认的后端就已经够用了。Pylab模式还会向IPython引入一大堆模块和函数以提供一种更接近于MATLAB的界面。绘制一张简单的图表即可测试是否一切准备就绪：

如果一切都没有问题，就会弹出一个新窗口，其中绘制的是一条直线。你可以用鼠标或输入close()来关闭它。matplotlib API函数(如plot和close)都位于matplotlib.pyllot模块中，其通常的引入约定是：

1.In [2]:import matplotlib.pyplot as plt虽然pandas的绘图函数能够处理许多普通的绘图任务，但如果需要自定义一些高级功能的话就必须学习matplotlib API。matplotlib的示例库和文档是成为绘图高手的最佳学习资源。

2、Figure和Subplot

matplotlib的图像都位于Figure对象中。你可以用plt.figure创建一个新的Figure：

1.In [3]: fig = plt.figure()这时会弹出一个空窗口。plt.figure有一些选项，特别是figsize，它用于确保当图片保存到磁盘时具有一定的大小和纵横比。matplotlib中的Figure还支持一种MATLAB式的编号架构(如plt.figure(2))。通过plt.gcf()即可得到当前Figure的引用。

不能通过空Figure绘图。必须用add_subplot创建一个或多个subplot才行：

1.In [4]: ax1 = fig.add_subplot(2,2,1)这条代码的意思是：图像应该是2

2的，且当前选中的是4个subplot中的第一个(编号从1开始)。如果再把后面两个subplot也创建出来，最终得到的图像如下所示：

如果这时发出一条绘图命令哪个(如plt.plot([1.5, 3.5, -2, 1.6]))，matplotlib就会在最后一个用过的subplot(如果没有则创建一个)上进行绘制。因此，如果我们执行下列命令，你就会得到如下所示的效果：

“k--”是一个线型选项，用于告诉matplotlib绘制黑色虚线图。上面那些由fig.add_subplot所返回的对象是AxesSubplot对象，直接调用它们的实例方法就可以在其他空着的格子里面画图了，如下所示：

1.In [9]: _ = ax1.hist(randn(100), bins=20, color='k', alpha=0.3)

3.In [10]: ax2.scatter(np.arange(30), np.arange(30) +3 * randn(30))

4.Out[10]:

你可以在matplotlib的文档中找到各种图标类型。由于根据特定布局创建Figure和subplot是一件非常常见的任务，于是便出现了一个更为方便的方法(plt.subplots)，它可以创建一个新的Figure，并返回一个含有已创建的subplot对象的NumPy数组：

01.In [13]: fig, axes = plt.subplots(2,3)

02.

03.In [14]: axes

04.Out[14]:

05.array([[,

06.,

07.],

08.[,

09.,

10.]], dtype=object)这是非常实用的，因为可以轻松地对axes数组进行索引，就好像是一个二维数组一样，例如，axes[0, 1]。你还可以通过sharex和sharey指定subplot应该具有相同的X轴或Y轴。在比较相同范围的数据时，这也是非常实用的，否则，matplotlib会自动缩放各图表的界限。

3、调整subplot周围的间距

默认情况下，matplotlib会在subplot外围留下一定的边距，并在subplot之间留下一定的间距。间距跟图像的高度和宽度有关，因此，如果你调整了图像的大小(不管是编程还是手工)，间距也会自动调整。利用Figure的subplots_adjust方法可以轻而易举地修改间距，此外，它也是个顶级函数：

1.In [15]: subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)wspace和hspace用于控制宽度和高度的百分比，可以用作subplot之间的间距。下面是一个简单的例子，我们将间距收缩到了0：

不难看出，其中的轴标签重叠了。matplotlib不会检查标签是否重叠，所以对于这种情况，你只能自己设定刻度位置和刻度标签。

4、颜色、标记和线型

matplotlib的plot函数接受一组X和Y坐标，还可以接受一个表示颜色和线型的字符串缩写。例如，穴ky"http://www.it165.net/qq/" target="_blank" class="keylink">qq4+b7deLrNebvm1sbCzMmr0OnP36OsxOO/ydLU1rTQ0Mjnz8K0+sLro7o8L3A+CjxwPjwvcD4KPHByZSBjbGFzcz0="brush:java;">In [18]: ax.plot(x, y, 'g--')

这种在一个字符串中指定颜色和线型的方式非常方便。通过下面这种更为明确的方式也能得到同样的效果：

1.In [19]: ax.plot(x, y, linestyle='--', color='g')常用的颜色都有一个缩写词，要使用其他任意颜色则可以通过指定其RGB值的形式使用(例如，'#CECECE')。完整的linestyle列表请参见plot的文档。

线型图还可以加上一些标记(marker)，以强调实际的数据点。由于matplotlib创建的是连续的线型图(点与点之间插值)，因此有时可能不太容易看出真实数据点的位置。标记也可以放到格式字符串中，但标记类型和线型必须放在颜色后面。

1.In [20]: plt.plot(randn(30).cumsum(),'ko--')

2.Out[20]: []

还可以将其写成更为明确的形式：

1.In [19]: plot(randn(30).cumsum(), color='k', linestyle='dashed', marker='o')在线型图中，非实际数据点默认是按线性方式插值的。可以通过drawstyle选项修改：

01.In [18]: plt.plot(randn(30).cumsum(),'ko--')

02.Out[18]: []

03.

04.In [19]: data = randn(30).cumsum()

05.

06.In [20]: plt.plot(data,'k--', label='Default')

07.Out[20]: []

08.

09.In [21]: plt.plot(data,'k--', drawstyle='steps-post', label='steps-post')

10.Out[21]: []

11.

12.In [22]: plt.legend(loc='best')

13.Out[22]:

5、刻度、标签和图例

对于大多数的图表装饰项，其主要实现方式有二：使用过程型的pyplot接口以及更为面向对象的原生matplotlib API。pyplot接口的设计目的就是交互式作用，含有诸如xlim、xticks和xticklabels之类的方法。它们分别控制图表的范围、刻度位置、刻度标签等。其使用方式有以下两种：

调用时不带参数，则返回当前的参数值。例如，plt.xlim()返回当前的X轴绘图范围。调用时带参数，则设置参数值。因此，plt.xlim([0, 10])会将X轴的范围设置为0到10。

所有这些方法都是对当前或最近创建的AxesSubplot起作用的。它们各自对应subplot对象上的两个方法，以xlim为例，就是ax.get_xlim和ax.set_xlim。我更喜欢使用subplot的实例方法，当然你完全可以选择自己觉得方便的那个。

(1)设置标题、轴标签、刻度以及刻度标签

为了说明轴的自定义，我将创建一个简单的图像并绘制一段随机漫步：

1.In [23]: fig = plt.figure();

3.In [24]: ax = fig.add_subplot(1,1,1)

5.In [25]: ax.plot(randn(1000).cumsum())

6.Out[25]: []

要修改X轴的刻度，最简单的办法是使用set_xticks和set_xticklabels。前者告诉matplotlib要将刻度放在数据范围中的哪些位置，默认情况下，这些位置也就是刻度标签。但我们可以通过set_xticklabels将任何其他的值用作标签：

01.In [28]: fig = plt.figure();

02.

03.In [29]: ax = fig.add_subplot(1,1,1)

04.

05.In [30]: ax.plot(randn(1000).cumsum())

06.Out[30]: []

07.

08.In [31]: ticks = ax.set_xticks([0,250,500,750,1000])

09.

10.In [32]: labels = ax.set_xticklabels(['one','two','three','four','five'], rotation=30, fontsize='small')

11.

12.In [33]: ax.set_title('My first matplotlib plot')

13.Out[33]:

14.

15.In [34]: ax.set_xlabel('Stages')

16.Out[34]:

说明：

Y轴的修改方式与此类似，只需将上述代码中的x替换为y即可。

(2)添加图例

图例(legend)是另一种用于标识图表元素的重穴ky"http://www.it165.net/qq/" target="_blank" class="keylink">qq5pL7foaPM7bzTzbzA/bXEt73KvdPQtv6ho9fuvPK1pbXEysfU2sztvNNzdWJwbG90tcTKsbrytKvI62xhYmVsss7K/aO6PC9wPgo8cD48L3A+CjxwcmUgY2xhc3M9"brush:java;">In [35]: fig = plt.figure(); ax = fig.add_subplot(1, 1, 1)

In [36]: ax.plot(randn(1000).cumsum(), 'k', label='one')

Out[36]: []

In [37]: ax.plot(randn(1000).cumsum(), 'k--', label='two')

Out[37]: []

In [38]: ax.plot(randn(1000).cumsum(), 'k.', label='three')

Out[38]: []

在此之后，你可以调用ax.legend()或plt.legend()来自动创建图例：

1.In [40]: ax.legend(loc='best')

2.Out[40]:

loc告诉matplotlib要将图例放在哪。如果你不是吹毛求疵的话，“best”是不错的选择，因为它会选择最不碍事的位置。要从图例中去除一个或多个元素，不传入label或传入label="_nolegend_'即可。