Matplotlib可视化

Matplotlib可视化

• 可当模板用

通过这个教程，你将收获以下知识：
* matplotlib 及环境配置
* 数据图的组成结构，与 matplotlib 对应的名称
* 常见的数据绘图类型，与绘制方法

您可能需要以下的准备与先修知识：
* Python开发环境及matplotlib工具包
* Python基础语法
* Python numpy 包使用

1.matplotlib 安装配置

linux可以通过以下方式安装matplotlib

sudo pip install numpy
sudo pip install scipy
sudo pip install matplotlib

windows 可以使用anaconda

数据最好用series dataframe如果有报错，用’.values’转换成numpy

2.一幅可视化图的基本结构

通常，使用 numpy 组织数据, 使用 matplotlib API 进行数据图像绘制。 一幅数据图基本上包括如下结构：

• Data: 数据区，包括数据点、描绘形状
• Axis: 坐标轴，包括 X 轴、 Y 轴及其标签、刻度尺及其标签
• Title: 标题，数据图的描述
• Legend: 图例，区分图中包含的多种曲线或不同分类的数据

其他的还有图形文本 (Text)、注解 (Annotate)等其他描述

3.画法

下面以常规图为例，详细记录作图流程及技巧。按照绘图结构，可将数据图的绘制分为如下几个步骤：

• 导入 matplotlib 包相关工具包
• 准备数据，numpy 数组存储
• 绘制原始曲线
• 配置标题、坐标轴、刻度、图例
• 添加文字说明、注解
• 显示、保存绘图结果

下面是一个包含cos、sin、sqrt函数的完整图像：

3.1导包

会用到 matplotlib.pyplot、pylab 和 numpy

#coding:utf-8
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
from pylab import *

3.2准备数据

numpy 常用来组织源数据:

# 定义数据部分
x = np.arange(0., 10, 0.2)
y1 = np.cos(x)
y2 = np.sin(x)
y3 = np.sqrt(x)

#x = all_df['house_age']
#y = all_df['house_price']

3.3绘制基本曲线

使用 plot 函数直接绘制上述函数曲线，可以通过配置 plot 函数参数调整曲线的样式、粗细、颜色、标记等：

# 绘制 3 条函数曲线
# $y=\sqrt{x}$
plt.rcParams["figure.figsize"] = (12,8)
plt.plot(x, y1, color='blue', linewidth=1.5, linestyle='-', marker='.', label=r'$y = cos{x}$')
plt.plot(x, y2, color='green', linewidth=1.5, linestyle='-', marker='*', label=r'$y = sin{x}$')
plt.plot(x, y3, color='m', linewidth=1.5, linestyle='-', marker='x', label=r'$y = \sqrt{x}$')

3.3.1 关于颜色的补充

主要是color参数：
* r 红色
* g 绿色
* b 蓝色
* c cyan
* m 紫色
* y 土黄色
* k 黑色
* w 白色

3.3.2 linestyle 参数

linestyle 参数主要包含虚线、点化虚线、粗虚线、实线，如下：

3.3.3 marker 参数

marker参数设定在曲线上标记的特殊符号，以区分不同的线段。常见的形状及表示符号如下图所示：

3.4 设置坐标轴

可通过如下代码，移动坐标轴 spines

# 坐标轴上移
ax = plt.subplot(111)
#ax = plt.subplot(2,2,1)
ax.spines['right'].set_color('none')     # 去掉右边的边框线
ax.spines['top'].set_color('none')       # 去掉上边的边框线
# 移动下边边框线，相当于移动 X 轴
ax.xaxis.set_ticks_position('bottom')    
ax.spines['bottom'].set_position(('data', 0))
# 移动左边边框线，相当于移动 y 轴
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

可通过如下代码，设置刻度尺间隔 lim、刻度标签 ticks

# 设置 x, y 轴的刻度取值范围
plt.xlim(x.min()*1.1, x.max()*1.1)
plt.ylim(-1.5, 4.0)
# 设置 x, y 轴的刻度标签值
plt.xticks([2, 4, 6, 8, 10], [r'two', r'four', r'six', r'8', r'10'])
plt.yticks([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0],
    [r'-1.0', r'0.0', r'1.0', r'2.0', r'3.0', r'4.0'])

([<matplotlib.axis.YTick at 0x199899e39b0>,
  <matplotlib.axis.YTick at 0x19989694550>,
  <matplotlib.axis.YTick at 0x19989dd49b0>,
  <matplotlib.axis.YTick at 0x19989ddd630>,
  <matplotlib.axis.YTick at 0x19989dddc88>,
  <matplotlib.axis.YTick at 0x19989de5358>],
 <a list of 6 Text yticklabel objects>)

可通过如下代码，设置 X、Y 坐标轴和标题：

# 设置标题、x轴、y轴
plt.title('title', fontsize=19)
plt.xlabel('x', fontsize=18, labelpad=88.8)
plt.ylabel('y', fontsize=18, labelpad=12.5)

Text(0,0.5,'y')

3.5 设置文字描述、注解

可通过如下代码，在数据图中添加文字描述 text：

plt.text(0.8, 0.9, r'$x \in [0.0, \ 10.0]$', color='k', fontsize=15)
plt.text(0.8, 0.8, r'$y \in [-1.0, \ 4.0]$', color='k', fontsize=15)

Text(0.8,0.8,'$y \\in [-1.0, \\ 4.0]$')

可通过如下代码，在数据图中给特殊点添加注解 annotate：

# 特殊点添加注解
plt.scatter([8,],[np.sqrt(8),], 50, color ='m')  # 使用散点图放大当前点
plt.annotate(r'$2\sqrt{2}$', xy=(8, np.sqrt(8)), xytext=(8.5, 2.2), fontsize=16, color='#090909', arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=0.1', color='#090909'))

3.6 设置图例

可使用如下两种方式，给绘图设置图例：
* 1: 在 plt.plot 函数中添加 label 参数后，使用 plt.legend(loc=’up right’)
* 2: 不使用参数 label, 直接使用如下命令：

plt.legend([‘cos(x)’, ‘sin(x)’, ‘sqrt(x)’], loc=’upper right’)

3.7 网格线开关

可使用如下代码，给绘图设置网格线：

# 显示网格线
plt.grid(True)

3.8 显示与图像保存

plt.show()    # 显示
#savefig('../figures/plot3d_ex.png',dpi=48)    # 保存，前提目录存在

4.完整的绘制程序

#coding:utf-8

import numpy as np
import matplotlib.pyplot as plt
from pylab import *

# 定义数据部分
x = np.arange(0., 10, 0.2)
y1 = np.cos(x)
y2 = np.sin(x)
y3 = np.sqrt(x)

# 绘制 3 条函数曲线
plt.plot(x, y1, color='blue', linewidth=1.5, linestyle='-', marker='.', label=r'$y = cos{x}$')
plt.plot(x, y2, color='green', linewidth=1.5, linestyle='-', marker='*', label=r'$y = sin{x}$')
plt.plot(x, y3, color='m', linewidth=1.5, linestyle='-', marker='x', label=r'$y = \sqrt{x}$')

# 坐标轴上移
ax = plt.subplot(111)
ax.spines['right'].set_color('none')     # 去掉右边的边框线
ax.spines['top'].set_color('none')       # 去掉上边的边框线

# 移动下边边框线，相当于移动 X 轴
ax.xaxis.set_ticks_position('bottom')    
ax.spines['bottom'].set_position(('data', 0))

# 移动左边边框线，相当于移动 y 轴
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

# 设置 x, y 轴的取值范围
plt.xlim(x.min()*1.1, x.max()*1.1)
plt.ylim(-1.5, 4.0)

# 设置 x, y 轴的刻度值
plt.xticks([2, 4, 6, 8, 10], [r'2', r'4', r'6', r'8', r'10'])
plt.yticks([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0], 
    [r'-1.0', r'0.0', r'1.0', r'2.0', r'3.0', r'4.0'])

# 添加文字
plt.text(0.8, 0.8, r'$x \in [0.0, \ 10.0]$', color='k', fontsize=15)
plt.text(0.8, 0.9, r'$y \in [-1.0, \ 4.0]$', color='k', fontsize=15)

# 特殊点添加注解
plt.scatter([8,],[np.sqrt(8),], 50, color ='m')  # 使用散点图放大当前点
plt.annotate(r'$2\sqrt{2}$', xy=(8, np.sqrt(8)), xytext=(8.5, 2.2), fontsize=16, color='#090909', arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=0.1', color='#090909'))

# 设置标题、x轴、y轴
plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$', fontsize=19)
plt.xlabel(r'$the \ input \ value \ of \ x$', fontsize=18, labelpad=88.8)
plt.ylabel(r'$y = f(x)$', fontsize=18, labelpad=12.5)

# 设置图例及位置
plt.legend(loc='up right')    
# plt.legend(['cos(x)', 'sin(x)', 'sqrt(x)'], loc='up right')

# 显示网格线
plt.grid(True)    

# 显示绘图
plt.show()

5.常用图形

详情资料这里

• 曲线图：matplotlib.pyplot.plot(data)
• 灰度/直方图：matplotlib.pyplot.hist(data)
• 散点图：matplotlib.pyplot.scatter(data)
• 箱式/箱线图：matplotlib.pyplot.boxplot(data)

5.1 曲线图

x = np.arange(-5,5,0.1)
y = x ** 2
plt.plot(x,y)

[<matplotlib.lines.Line2D at 0x1998a71ebe0>]

5.2 直方图

# 对数据做分桶的时候用
x = np.random.normal(size=1000)
plt.hist(x, bins=10)

(array([   1.,   13.,   57.,  144.,  287.,  241.,  160.,   58.,   35.,    4.]),
 array([-3.57006611, -2.87554624, -2.18102637, -1.4865065 , -0.79198663,
        -0.09746676,  0.59705311,  1.29157298,  1.98609285,  2.68061272,
         3.37513259]),
 <a list of 10 Patch objects>)

5.3 散点图

plt.rcParams["figure.figsize"] = (8,8)
x = np.random.normal(size=1000)
y = np.random.normal(size=1000)
plt.scatter(x,y)

<matplotlib.collections.PathCollection at 0x1998bc8c668>

5.4 箱线图

• 在数据处理中可以通过箱线图去掉噪声，这是一个基于统计学的方法

np.random.seed(2)          #设置随机种子 
df = pd.DataFrame(np.random.rand(5,4), columns=['A', 'B', 'C', 'D'])#先生成0-1之间的5*4维度数据，再装入4列DataFrame中 
df.boxplot()        #也可用plot.box() 
plt.show()

箱式图科普

• 上边缘（Q3+1.5*IQR/“箱子高度”）、下边缘（Q1-1.5*IQR/“箱子高度”）、IQR=Q3-Q1
• 上四分位数（Q3）、下四分位数（Q1）
• 中位数
• 异常值

• 处理异常值时与3$\sigma$标准的异同：统计边界是否受异常值影响、容忍度的大小

• 箱子的上边界和下边界（蓝色部分）：Q3 百分之75的分位数，Q1百分之25分位数

• 两条黑线：上边缘（Q3+1.5*IQR/“箱子高度”）、下边缘（Q1-1.5*IQR/“箱子高度”）、IQR=Q3-Q1，IQR为箱子的高度

• 两条黑线为临界值/边缘值，如果出现在黑线以外的是小概率事件，可以把它当做异常值。

• 大多用于表示一维的数据，中间的两条线没意义

更多的模板GitHub里找

参考文献：

七月在线课件