Python:绘制简单的折线图

来源：《Python编程：从入门到实践》

对于matplotlib的安装可以参照这里
查看使用matplotlib制作的各种example，可访问http://matplotlib.org/

1 绘制简单的折线图

• 下面使用matplotlib绘制一个简单的折线图，并对其进行定制，以实现信息更丰富的数据可视化
• 使用1、4、9、16和25来绘制这个图表
• 只需向matplotlib提供如下数字，matplotlib就能完成其他的工作

mpl_squares.py

import matplotlib.pyplot as plt

squares = [1, 4, 9, 16, 25]
plt.plot(squares)
plt.show()

• 首先导入了模块pyplot，pyplot包含很多用于生成图表的函数
• 将创建的列表传递给函数plot()——这个函数尝试根据这些数字绘制出有意义的图形
• plt.show()打开matplotlib查看器，并显示绘制的图形
  

1.1 修改标签文字和线条粗细

• 上面的图形表明数字是越来越大的，但标签文字太小，线条太细
• 所幸matplotlib能够调整可视化的各个方面

mpl_squares.py

import matplotlib.pyplot as plt

squares = [1, 4, 9, 16, 25]
plt.plot(squares, linewidth=5)

# 设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)

plt.show()

• 参数linewidth决定了plot()绘制的线条的粗细
• 函数title()给图表指定标题
• 参数fontsize指定了图表中文字的大小
• 函数xlabel()和ylabel()为每条轴设置标题
• 函数tick_params()设置刻度的样式，其中指定的实参将影响x和y轴上刻度（axis=‘both’），并将刻度标记的字号设置为14（labelsize=14）
  

1.2 校正图形

• 然后现在出现了问题：折线图4.0的平方是25！下面修复这个问题
• 向plot()提供一系列数字时，它假设第一个数据点对应的x坐标值为0，但我们第一个对应的x值为1
• 为改变这种默认行为，给plot()同时提供输入值和输出值

mpl_squares.py

import matplotlib.pyplot as plt

input_values = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]
plt.plot(input_values, squares, linewidth=5)
--snip--

• 现在plot()正确绘制数据，因为同时提供了输入值和输出值，它无需对输出值的生成方式做出假设
  
• 使用plot()时可指定各种实参，还可使用众多函数对图形进行定制

1.3 使用scatter()绘制散点图并设置其样式

• 绘制散点图&设置各个数据点的样式
• 要绘制单个点，可使用函数scatter()，向它传递一对x&y坐标，它将在指定位置绘制一个点

scatter_squares.py

import matplotlib.pyplot as plt

plt.scatter(2, 4)
plt.show()

• 下面来设置输出的形式：添加标题，给轴加上标签，确保所有文本都大到能看清

import matplotlib.pyplot as plt

plt.scatter(2, 4, s=200)

# 设置图表标题 & 给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)

plt.show()

• 调用scatter()，使用实参s设置了点的尺寸
• 现在运行scatter_squares.py
  

1.4 使用scatter()绘制一系列点

scatter_squares.py

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]

plt.scatter(x_values, y_values, s=100)

# 设置图表标题 & 给坐标轴加上标签
--snip--

• 将上面两个列表传递给scatter()时，matplotlib依次从每个列表中读取一个值来绘制一个点
  

1.5 自动计算数据

• 手工计算效率低下，需要绘制的点很多时尤其如此
• Python循环完成计算包含点坐标的列表

scatter_squares.py

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]

plt.scatter(x_values, y_values, s=40)

# 设置图表标题 & 给坐标轴加上标签
--snip--

# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])

plt.show()

• 首先使用list()生成一个包含x值(1~1000)的列表
• 接着，一个生成y值的列表解析
• 这个数据集较大，所以将点设置得较小
• 使用函数axis()指定了每个坐标轴的取值范围。它要求提供四个值：x & y轴的最小值和最大值
  

1.6 删除数据点的轮廓

• matplotlib允许你给散点图中的各个点指定颜色；默认为蓝色点和黑色轮廓
• 在散点图的数据点不多时效果很好；但很多点时，黑色轮廓可能会粘连在一起
• 要删除数据点的轮廓，可调用scatter()传递实参edgecolor='none'

plt.scatter(x_values, y_values, edgecolor='none', s=40)

1.7 自定义颜色

• 修改数据点的颜色，可向scatter()传递参数c，并将其设置为要使用的颜色的名称，如：

plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40)

• 还可以使用RGB颜色模式自定义颜色：传递参数c，将其设置为一个元组，其中包含三个0~1之间的小数值，分别表示红色、绿色和蓝色分量

plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor='none', s=40)

• 值越接近0，指定的颜色越深，值越接近1，指定的颜色越浅
  

1.8 使用颜色映射

• 颜色映射（colormap）是一系列颜色，它们从起始颜色渐变的结束颜色
• 在可视化中，颜色映射用于突出数据的规律，例如用浅颜色显示较小的值，深颜色显示较大的值
• 模块pyplot内置了一组颜色映射
• 下面演示如何根据每个点的y值来设置其颜色：

scatter_squares.py

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]

plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues,
    edgecolor='none', s=40)

# 设置图表标题 & 给坐标轴加上标签
--snip--

• 将参数c设置成了一个y值列表，使用参数cmap告诉pyplot使用哪个颜色映射

注意 pyplot所有的颜色映射，可访问http://matplotlib.org，Examples -> Color Examples -> colormaps_reference

1.9 自动保存图表

• 让程序自动将图表保存到文件中，可将plt.show()替换为plt.savefig()

# 第一个实参：文件名，然后存储到scatter_squares.py所在的目录中
# 第二个实参：将图表多余的空白区域裁剪掉，
plt.savefig('squares_plot.png', bbox_inches='tight')

2 练习

15-1 立方：数字的三次方被称为其立方。请绘制一个图形，显示前5个整数的立方值，再绘制一个图形，显示前5000个整数的立方值

1-5整数的立方：

import matplotlib.pyplot as plt

x_values = list(range(1, 6))
y_values = [x**3 for x in x_values]

plt.scatter(x_values, y_values, edgecolor='none', s=40)

# 设置图表标题 & 给坐标轴加上标签
plt.title("Cubic Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Cubic of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)

plt.show()

5000整数的立方：

import matplotlib.pyplot as plt

x_values = list(range(1, 5001))
y_values = [x**3 for x in x_values]

plt.scatter(x_values, y_values, edgecolor='none', s=40)

# 设置图表标题 & 给坐标轴加上标签
plt.title("Cubic Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Cubic of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)

# 设置每个坐标轴的取值范围
plt.axis([0, 5100, 0, 5100**3])

plt.show()

15-2 彩色立方：给你前面绘制的立方图指定颜色映射

import matplotlib.pyplot as plt

x_values = list(range(1, 5001))
y_values = [x**3 for x in x_values]

plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Greens,
    edgecolor='none', s=40)

# 设置图表标题 & 给坐标轴加上标签
plt.title("Cubic Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Cubic of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)

# 设置每个坐标轴的取值范围
plt.axis([0, 5100, 0, 5100**3])

plt.show()