不论是数据挖掘还是数学建模,都免不了数据可视化的问题。对于 Python 来说,matplotlib 是最著名的绘图库,它主要用于二维绘图,当然也可以进行简单的三维绘图。它不但提供了一整套和 Matlab 相似但更为丰富的命令,让我们可以非常快捷地用 python 可视化数据。
matplotlib基础
#安装
pip install matplotlib
两种绘图风格:
MATLAB风格:
基本函数是 plot,分别取 x,y 的值,然后取到坐标(x,y)后,对不同的连续点进行连线。
面向对象:
创建一个图形 fig 和一个坐标 ax 。
fig:figure(plt.Figure) 是一个能容纳各种坐标轴,图形,文字和标签的容器。
ax:axes(plt.Axes) 是一个带有刻度和标签的矩形,最终会包含各种可视化元素。
示例:
importmatplotlib.pyplot as pltimportnumpy as np#图形显示风格
plt.style.use('seaborn-whitegrid')#创建fig和ax
fig =plt.figure()
ax=plt.axes()
x= np.linspace(0,10,100)#显示sin函数图形
plt.plot(x, np.sin(x))#显示cos函数图形
plt.plot(x, np.cos(x))
plt.show()
这就是利用面向对象的方式绘图,在交互模式中可以看到,每画一个图就是产生一个对象,最后再显示出来。
绘图样式
#调整坐标轴上下限
plt.xlim([xmin, xmax])
plt.ylim([ymin, ymax])
plt.axis([xmin, xmax, ymin, ymax])#参数:tight:把图形设置成紧凑模式,不留多余的部分#equal:图形显示分辨率为1:1
线形图
文字设置
图形标题:plt.title
坐标轴标题:plt.xlabel, plt.ylabel
基础图例:plt.legend
注意:对中文不友好,需要额外方法,尽量使用英文
#示例
importmatplotlib.pyplot as pltimportnumpy as np
x= np.linspace(1, 10, 100)
plt.plot(x, np.sin(x))
plt.title('sin-function')
plt.xlabel('x-value')
plt.ylabel('y-label')
plt.show()
图例
通过legend可以设置图例,同时通过参数的调整可以细腻的设置图例的位置、形式等。参数主要包括:
loc:图例的位置
frameon:是否带边框
framealpha:颜色透明
shadow:阴影
#示例
importmatplotlib.pyplot as pltimportnumpy as np
x= np.linspace(1, 10, 100)
fig, ax=plt.subplots()
ax.plot(x, np.sin(x), color='red', label='sin-function')
ax.plot(x, np.cos(x), color='blue', label='cos-function')
ax.legend(loc='upper right', frameon=True, shadow=True, framealpha=0.2)#设置图例位置为右上,有边框,有阴影,且透明度为0.2
plt.show()
颜色条
importmatplotlib.pyplot as pltimportnumpy as np
x= np.linspace(1, 10, 100)
I= np.sin(x) *np.cos(x[:,np.newaxis])
plt.imshow(I)
plt.colorbar()
plt.show()
散点图
散点图基础
散点图主要以点为主,数据是不连续的数据,通过设置线的型号来完成。型号包括‘o’、‘+’、‘*’、‘1’、‘h’、‘D’等等,具体使用探索一下就好,用不到太多。
importmatplotlib.pyplot as pltimportnumpy as np#图形显示风格
plt.style.use('seaborn-whitegrid')
x= np.linspace(0, 10, 30)
y=np.sin(x)#通过设置线型为点来完成散点图的绘制
plt.plot(x, y, 'o', color='blue')
plt.show()
如果设置线型为点线结合,那么将绘制出连续的线,对应点处为所设置的点型。
画散点图还可以使用scatter函数来画,他有很多更细节的描述,用法与plot类似,对于数据量较大的可视化时,plot的效率更高一些。
误差线
importmatplotlib.pyplot as pltimportnumpy as np#图形显示风格
plt.style.use('seaborn-whitegrid')
x= np.linspace(0, 10, 30)
dy= x * 0.5y= np.sin(x) +dy
plt.errorbar(x, y, yerr=dy, fmt='.k', ecolor='blue')
plt.show()
连续误差线表示的是连续量,可以使用 plt.plot 和 plt.fill_between 来画出。
importmatplotlib.pyplot as pltimportnumpy as np#图形显示风格
plt.style.use('seaborn-whitegrid')
x= np.linspace(0, 10, 30)
ysin=np.sin(x)
ycos=np.cos(x)
plt.plot(x, ysin, color='red')
plt.plot(x, ycos, color='blue')
plt.fill_between(x, ysin, ycos, color='gray', alpha=0.2)
plt.show()
等高线(密度)
plt.contour 等高线
plt.contourf 自带填充颜色
plt.imshow 显示图形
等高线绘制方法:z = f(x,y),z表示高度。当只有一个颜色绘图时,虚线表示负值,实线表示正值。meshgrid 可以将一维数据变成二维网格数据。
importmatplotlib.pyplot as pltimportnumpy as npdeff(x, y):return np.sin(x) ** 10 + np.cos(10 + y * x) *np.cos(x)
x= np.linspace(0, 5, 50)
y= np.linspace(0, 5, 40)#得到网格点矩阵
x, y =np.meshgrid(x, y)#计算z轴的值
z =f(x, y)#绘制图形
plt.contour(x, y, z, colors='green')#plt.contour(x, y, z, 50, cmap='RdGy') # 更改配色,值50等分,红灰配色
plt.show()
plt.contourf(x, y, z, 50, cmap='RdGy') #改为contourf,自动填充颜色,则变为连续的
直方图
基本画法:plt.hist 可以直接画直方图,参数主要包括:
bins:划分段(柱数)
color:颜色
alpha:透明度
histtype:图类型
importmatplotlib.pyplot as pltimportnumpy as np
data= np.random.randn(1000)
plt.hist(data, bins=30, alpha=0.3, histtype='stepfilled', color='blue', edgecolor='none')
plt.show()
程序中 random.randn 与 random.rand 相比,randn表示随机生成的数符合正态分布,因此画出图来是如上图所示。
子图
plt.subplot(2,1,1) #子图,(2,1,1)代表,创建2*1的画布,并且定位于画布1 ;等效于plt.subplot(211),即去掉逗号
#subplots 可以同时创建多个子图
figure,ax = plt.subplots(2, 3)
#这是一个灵活创建子图的方法,可以创建任意组合的图形,不必一一对齐,以下为示例:
grid = plt.GridSpec(2, 3, wspace=0.3, hspace=0.2)
plt.subplot(grid[,:2])
plt.subplot(grid[1,1:3])
图例配置
文字注释
通过不同的坐标变换,可以把文字放在不同的位置:
ax.transData:以数据为基准
ax.transAxes:以轴为基准
importmatplotlib.pyplot as pltimportnumpy as np
fig, ax=plt.subplots()
ax.axis= ([0, 1, 0, 1])
ax.text(0.5, 0.5, "Data:(0.5, 0.5)", transform=ax.transData)
ax.text(0.5, 0.1, "Axes:(0.5, 0.1)", transform=ax.transAxes)
plt.show()
箭头注释
plt.arrow:产生SVG向量图形式的箭头,会随着分辨率改变而改变,不推荐
plt.annotate:可以创建文字和箭头
importmatplotlib.pyplot as pltimportnumpy as np
fig, ax=plt.subplots()
x= np.linspace(0, 20, 1000)
ax.plot(x, np.cos(x))
ax.axis('equal')
ax.annotate("max", xy=(6.28, 1), xytext=(10, 4), arrowprops=dict(facecolor='black', shrink=0.05))
ax.annotate('min', xy=(5 * np.pi, -1), xytext=(2, -6), arrowprops=dict(arrowstyle="->", connectionstyle='angle3, angleA=0, angleB=-90'))
plt.show()
三维图
基础三维图
matplotlib 中绘制三维图用到 mplot3d 包。导入 mplot3d 包后,可以利用 projection 参数,控制绘制三维图。
importnumpy as npimportmatplotlib.pyplot as pltfrom mpl_toolkits importmplot3d
fig=plt.figure()
ax= plt.axes(projection='3d')
plt.show()
三维图中当然包含三个轴,x,y,z。画线 ax.plot3D,画点 ax.scatter3D。为了三维效果,它会自动将远处的点颜色变浅。
importnumpy as npimportmatplotlib.pyplot as pltfrom mpl_toolkits importmplot3d
fig=plt.figure()
ax= plt.axes(projection='3d')
z= np.linspace(0, 15, 100)
x=np.sin(z)
y=np.cos(z)
ax.plot3D(x, y, z,'red')
ax.scatter3D(x, y, z,'blue')
plt.show()
三维等高线
importnumpy as npimportmatplotlib.pyplot as pltfrom mpl_toolkits importmplot3d
fig=plt.figure()
ax= plt.axes(projection='3d')deff(x, y):return np.sin(np.sqrt(x ** 2 + y ** 2))
x= np.linspace(-6, 6, 30)
y= np.linspace(-6, 6, 30)
X, Y=np.meshgrid(x, y)
Z=f(X, Y)
ax.contour3D(X, Y, Z,50)
plt.show()
图形绘制出来后,可以通过 ax.view_init 来控制观察的角度,便于理解。
俯仰角度:x-y 平面的旋转角度
方位角度:沿着 z 轴顺时针旋转角度
pandas绘图
上篇文章讲述了 pandas 的基本用法,pandas 是数据分析中最重要的工具之一,这里补充一下 pandas 绘图。
Series绘图
#这是一个小栗子
s1 = Series(np.random.randint(1000).cumsum()) #创建series,cumsum()是指叠加求和,本位数是前几项之和
s1.plot() #series有自己的plot函数,里面可以写入想要的参数
DataFrame绘图
df =DataFrame(
np.random.randint(1,10,40).reshape(10,4),
columns=['A','B','C','D']
)
df.plot()#dataframe也有自己的plot,按列画出来,参数包含ax,选择输出的画布#参数:stacked=True,表示一个堆叠的情况,同一个index下,columns一不同颜色叠在一起