matplotlib输出图形到网页_matplotlib爬坑宝典

掌握好初级的可视化，能够在数据分析的过程中利用可视化帮助我们探索数据、提出并验证假设。但无论如何，在代码层面做数据分析，就避不开被各种API的语法坑到，如果老是在基础的语法上卡壳，势必会影响了数据分析的主线和数据分析师的思路。

网络上已经有太多优秀的matplotlib的教程了，不想花太多时间出重复的教程。因此本文不是一篇正经的教程，仅作为最近读完《Matplotlib for Python Developers》后记录一些Tricks，希望能够帮matplotlib入门的玩家们少踩一些坑。

如果是出于数据分析结束后出报告的目的，不是很推荐初学者直接从matplotlib底层肝。高级的API有Seaborn、Bokeh，还有很多优秀的可视化工具：

• Excel：Excel就非常适合新手出图了，玩的溜Excel也可以花式
• Tableau、PowerBI：近年来BI软件也非常流行，用于发布交互式图表
• JMP：SaS旗下一款轻量的数据分析平台，交互式EDA体验非常棒
• EChart：百度基于JS开发的可视化库，可以嵌入到Web、PPT、app，还支持调用Python接口

以及matplotlib，用好的也是个大杀器；上得厅堂下得厨房 :>

Hold功能

matplotlib在画完一个图形后可以接着在axes上画下一个图形，是因为hold属性默认是enabled的，你可以认为它声明了保留当前figure上所有画过的图形，而不是每调用一次plot就覆盖上一次的。

plt.hold(False)  # 关闭hold功能
plt.plot([1,2,3]) 
plt.plot([2,4,6])  # hold关上后,每一次plot会覆盖之前的绘图

Grid

grid()函数接收 Boolean型的参数：

• True表示打开网格
• False表示关闭网格

处理坐标轴axes

matplotlib会自动地设置坐标轴范围，以完整得包含所有的数据点

plt.axis()不带任何参数，返回 当前坐标轴的范围：[x_min, x_max, y_min, y_max]

我们可以通过相同的格式，来重新设置范围：plt.axis([x_min, x_max, y_min, y_max])

也可以通过关键字，仅设置某一个边界：plt.axis(xmin=xxx, y_max=xxx)

mpl提供了另外一组函数，单独控制某一根轴：xlim()、ylim()

同样，不带参数的话返回当前范围

添加Legend

方法一：绘制每一条曲线时，指定label参数 用来给曲线命名。这样直接不带参数调用plt.legend()，就可以显示图例了

方法二：直接 传一个 字符串列表给 legend()，该方法有个缺点：我们必须记住之前所有plot的顺序，因为legend通过顺序来匹配label

loc参数：best、center、right、upper left、center left、lower center、lower right、

还可以通过 一个坐标tuple来指定：

(0,1) 代表 左上

(0.5,0.5) 代表 中间

甚至可以放到绘图区域的外面 loc=(-0.1,0.9)

ncol参数：图例占几行

Saving to file

plt.savefig('plot123.png') 保存图片的格式是根据 后缀名来判断的

两个参数共同决定图片的像素大小：

• figure size mpl.rcParams['figure.figsize']
• dpi mpl.rcParams['savefig.dpi']

例如 8x6 inches figure，100dpi的图片，最终像素是 800x600

当图片显示在屏幕上时，长度单位是被忽略的，单纯显示像素

当打印或在文档中使用时，size和dpi决定了 怎么缩放图片

图片的size使用inch来表示，但所有其他属性都被表示为 像素点 例如line width、font size

可以直接在savefig时，通过指定dpi参数

如果需要只保存图片进文件，不进行任何显示

import matplotlib as mpl
mpl.use('Agg')  # 一定要放在import pyplot之前

import matplotlib.pyplot as plt

transparent参数：使背景透明。例如准备放到网页上，如果网页本身有自己的背景颜色，那么透明背景就很有用

savefig()另一个强大的功能，就是支持接收一个 打开的file对象。这在开发Web服务器时很有用，因为我们可以通过网络输出streaming

装饰图表：Styles、Types

Markers & line styles

默认设置下，Matplotlib使用单个点 表示 Markers；使用 细直线段 表示 Lines

plot()有三个方面的定制化：

• 颜色
• 线型
• 标记样式

当三个参数都需要指定时，按照以下顺序: colors,lines,markers 例如'cx--'

颜色：plt.plot(y,'m')

有多种方式指定颜色：

• Full color name：例如'yellow'
• 十六进制字符串：例如 '#FF00FF'
• RGB或RGBA tuples：例如 (1,0,1,1)
• 灰度值(字符串形式)：例如 '0.7'

使用关键字参数来精确控制单项：

• color 或 c
• linestyle
• linewidth
• marker
• markeredgecolor
• markeredgewidth
• markerfacecolor
• markersize

处理X、Y轴

ticks指坐标轴上的小线段，往往与 axes labels 成对出现

不带参数时，plt.xticks() 返回当前的 ticks位置 与 对应的labels

locs, labels = plt.xticks()

同理，我们也可以传入参数：

• Locations of the ticks
• Labels to draw at these locations (if necessary)

注解：Text、annotations

text()

xlabel()、ylabel()、title()这些函数都是在figure周围写文字，

而在figure内部写文字要使用plt.text(x, y, text)

x,y以data坐标系指定了文字的位置，可以简单理解为在图上画一个数据点 那么这还与坐标轴范围也有关

如果想要在相对于figure的某个固定位置写字，那么推荐使用figure.text()

(0,0)表示左下角

(1,1)表示右上角

annotate()

annotate()函数时需要考虑2个坐标点：

• graph point:想要指向的点
• plot point:放说明文字的点

以上两个，都以data坐标系描述

从功能上来说，text()和annotate()的本质区别是annotate可以有箭头

arrowprops = dict(facecolor='black',
                shrink=0.05)

shrink：是箭头空出一些间隙，如果不设shrink那么箭头会完全连接xy和xytext两个点 0.05表示5%

frac：是箭头的头部 占总体长度的比例

headwidth：箭头宽度

添加箭头后，一般需要 手动调用ylim()和xlim() 重新调整坐标轴范围

arrow()：单独画箭头

在其他图表中单独画箭头，使用arrow()函数

plt.arrow(x, y, dx, dy)

箭头从x,y开始，指向(x+dx, y+dy)

然而这个函数很难用，推荐直接使用annotate() 文本设为空字符即可

高级作图

面向对象方式

fig = plt.figure()
ax = fig.add_subplot(111)
line, = plt.plot(x,y)
title = ax.set_title('This is title')
plt.show()

plot()之类的函数返回 Line2D 的list，由于我们只用plot画了一条曲线，因此list中只有一个元素

使用逗号，就能够直接将第一个元素 赋给 line

plt.figure只返回figure对象，用来添加Axes

fig.add_subplot() 用来在fig上添加Axes，并返回Axes对象

从high level到lower level：

• FigureCanvas：Container for the Figure instance
• Figure：Container for one or more Axes instances
• Axes：rectangular areas to hold the basic elements, such as lines,text

双Y轴 或 双X轴

fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.plot(x,y1)
ax2 = ax1.twinx()
ax1.plot(x,y2)
plt.show()

事实上，两个不同的Axes实例被创建，就像一个被放在了另一个上方一样

twinx()函数的trick：创建另一个axes，把ax2放到与ax1完全相同的位置

twiny()类似，让两个X轴共享Y轴

对数轴刻度

ax.set_xscale('log')

ax.set_ysacle('log')

几个高级的API：

• ax.semilogx(x, y) 直接像调用plot一样即可，自带了ax.set_xscale('log')
• ax.loglog(x,y) 对两个周都进行了取对数

默认的底数是10，log_10 basex和basey参数可以指定别的

共享坐标轴

使用twinx可以在一张fig里共享坐标轴

如果是在多个fig之间共享坐标轴呢？

ax1 = fig.add_subplot(311)
ax2 = fig.add_subplot(312, sharex=ax1)
ax3 = fig.add_subplot(313, sharex=ax1)

日期坐标

plt.plot_date() 是matplotlib专门用来画日期坐标轴的函数

plt.plot_date(date, values, linestyle='-')

如果不指定linestyle，那么默认画的是散点图

date数据，必须用date2num()函数转换

因为matplotlib使用浮点数表示从0001-01-01UTC起的日期

日期格式

实用函数：

• date2num()
• num2date()
• drange(): 直接生成matplotlib用浮点数表示的日期格式

格式化axes ticks：locators & formatters

画日期坐标，最让新手头疼和困惑的应该就是怎么调ticks了。

• Locators：控制ticks的位置
• Formatters：控制 label的格式

两个类都有major和minor模式：major是默认激活的，就是通常我们看到的；minor就是我们常说的副刻度线 默认被赋值了NullLocator和NullFormatter

常用的Locator有：MinuteLocator, HourLocator, DayLocator, WeekdayLocator, MonthLocator, YearLocator

举例来说，DayLocator默认每个一天画一条刻度，还可以通过设置参数 每几天画一条刻度线

ax.plot_date(dates, y, linestyle='-');
dateFmt = mpl.dates.DateFormatter('%Y-%m-%d')
ax.xaxis.set_major_formatter(dateFmt)

daysLoc = mpl.dates.DayLocator()
hoursLoc = mpl.dates.HourLocator(interval=6)
ax.xaxis.set_major_locator(daysLoc)
ax.xaxis.set_minor_locator(hoursLoc)

自定义formatters：

import matplotlib.ticker as ticker

def format_func(x, pos):
    return <a transformation on x>

formatter = ticker.FuncFormatter(format_func)
ax.xaxis.set_major_formatter(formatter)

像这样，我们定义的format_func 会在画每一个label时被调用一次

接收到的参数是 当前label 和 它在axis上的位置

各类图表

直方图：plt.hist(y, bin)

误差线：plt.errorbar(x, y, yerr, fmt='.-')

条形图：plt.bar(x,y, bottom,width, color, xerr, yerr, )

饼图： plt.pie(x, labels, explode, autopct='formatting string')

散点图：plt.scatter(x,y)

雷达图：plt.polar(theta, r)

等高线图：plt.contour()

图片

imread():读取图片文件并转换为Numpy array

imshow():使用array显示图片

在处理图片时，默认的坐标原点在左上角 origin='upper'

可以通过修改origin关键字，例如 origin='lower' 这样就符合我们理解的坐标系