数据可视化笔记 Task2 - Artist“艺术画笔”（二）

最新推荐文章于 2022-12-16 21:10:46 发布

xyc_undermoon

最新推荐文章于 2022-12-16 21:10:46 发布

阅读量736

点赞数

分类专栏：数据可视化文章标签：数据可视化 matplotlib

本文链接：https://blog.csdn.net/xyc_undermoon/article/details/122504110

版权

数据可视化专栏收录该内容

7 篇文章 0 订阅

订阅专栏

Task2前文链接：数据可视化笔记 Task2 - Artist“艺术画笔”（一）

本文接上次Artist笔记，对Artist的其中一种类型primitive进行学习。

primitive - 基本元素

primitive代表了标准图形对象，主要类型有：Line2D(曲线)、Rectangle(矩形)、Text(文本)、Polygon(多边形)、image(图像)等，本次笔记主要学习primitive。

Line2D

matplotlib.lines.Line2D是matplotlib中绘制各种曲线的主要类，该类可绘制的曲线可以是实线，也可以是虚线，甚至无线（仅标记顶点）。该类构造函数及其常用参数如下（全部参数见官网源API文档）：

class matplotlib.lines.Line2D(
    xdata,   # line上点的x轴取值，默认为range(1,len(ydata)+1)
    ydata,   # line上点的y轴取值
             # xdata,ydata都是一维数组，元素对应，每对元素是曲线上一点
    linewidth=None,   # 线条宽度 
    linestyle=None,   # 线形
    color=None,   # 线条颜色
    marker=None,   # 点的标记（形状，如"."代表点状，"v"代表倒三角状）
    markersize=None  # 点标记的大小
)

设置line2D的属性

下面是设置line2D相关属性的三种方法的代码：

import matplotlib.pyplot as plt

# 1) 直接在plot()函数中设置
x = range(0,5)
y = [2,5,7,8,10]
plt.plot(x,y, linewidth=5, color='black');  # x,y元素两两对应，分别表示折线上的点，
                                            # linewidth设置线粗为10

# 2) 通过获得line对象，对line对象进行设置
x = range(0,5)
y = [2,5,7,8,10]
line, = plt.plot(x, y, '-', linewidth=5, color='y')  # 这里等号坐标的line,是一个列表解包的操
                             # 作，目的是获取plt.plot返回列，表中的Line2D对象

# 3) 获得line属性，使用setp()函数设置
x = range(0,5)
y = [2,5,7,8,10]
lines = plt.plot(x, y)
plt.setp(lines, color='r', linewidth=5);  # 设置line的颜色及粗细

结果如下：

绘制line

绘制曲线的方法主要有两种，代码如下：

# 1) plot方法绘制
x = range(0,5)
y1 = [2, 5, 7, 8, 10]
y2 = [3, 6, 8, 9, 11]
fig,ax= plt.subplots()
ax.plot(x, y1, color='red')
ax.plot(x, y2, color='orange')
print(ax.lines) # 通过直接使用辅助方法画线，打印ax.lines后可以看到在matplotlib在底层创建了两个Line2D对象


# 2) Line2D对象绘制
from matplotlib.lines import Line2D 
x = range(0,5)
y1 = [2,5,7,8,10]
y2 = [3,6,8,9,11]
fig, ax= plt.subplots()
lines = [Line2D(x, y1, color='red'), Line2D(x, y2, color='orange')]  # 显式创建Line2D对象
for line in lines:
    ax.add_line(line) # 使用add_line方法将创建的Line2D添加到子图中
ax.set_xlim(0, 4)  # 设置x轴坐标范围
ax.set_ylim(2, 11)  # 设置y轴坐标范围

结果如下：

【注】绘制误差折线图

pyplot模块的errorbar是专门绘制误差折线图，其构造函数的主要参数如下：

Axes.errorbar(
    x, y,   # 线上点的横纵坐标值
    yerr=None, xerr=None,   # y轴、x轴误差大小
    fmt='',   # 数据点/线的格式（颜色、形状、线条风格）
    ecolor=None,   # 指定误差条的颜色
    elinewidth=None  # 误差条宽度
)

具体示例见官方文档 → errorbar

Patches

该模块包含众多图形接口（二维）以及其特效（如给饼图加阴影: matplotlib.patches.Shadow实例），官网对该模块的介绍是“Patches are Artists with a face color and an edge color”。Patches模块的主类是matplotlib.patches.Patch，该类是其他许多图形类的父类。

Patch模块构成如下图（来源：官网Patches）：

从图中各类的名字可以看出，其中有不少是在我们作图中经常会用到的图形，比如Polygon(多边形)、Rectangle(矩形)、Wedge(楔形)、Ellipse(椭圆形)、Annulus(环)等。这里选择其中一些最常用的进行学习：

Rectangle

矩形是我们生活中常见的形状之一，在统计分析中也是常用图形的组成部分，最典型的就是直方图（hist）与条形图（bar）。通过Rectangle类可以实现这两种图的绘制[1]。

条形图可以看做是直方图的基础，此处对使用rectangle绘制条形图进行笔记：
# 绘制简单条形图
x = [n * 10 for n in range(10)] # 生成X轴区间
y = np.random.randint(0,10,16) # 随机生成y轴数据 

fig = plt.figure()
ax1 = fig.add_subplot(111)

for i in range(10):
    rect =  plt.Rectangle((x[i], 0), 10, y[i])  # 绘制条块
    ax1.add_patch(rect)

ax1.set_xlim(0, 100)
ax1.set_ylim(0, 16)
该代码运行结果如下：

Matplotlib可以便捷地制作条形图和直方图，如另一种作直方图更容易的方法是用hist进行绘制，样例可参考官网：Histograms，更多样例及矩形类详解参考：Rectangle。

Polygon

该类实现通用多边形。其构造函数如下：
matplotlib.patches.Polygon(
    xy,   # 多边形顶点，N×2的numpy array
    closed=True,   # 设置多边形起点与终点是否重合，为True则重合
    **kwargs
)
该类详解及样例代码见：官网Polygon

利用polygon类绘制多边形如下(代码参考来源：官方文档polygon样例)：
from matplotlib.patches import Polygon
y, x = np.mgrid[:5, 1:6]
poly_coords = [
    (0.25, 2.75), (3.25, 2.75),
    (2.25, 0.75), (0.25, 0.75)
]
fig, ax = plt.subplots(ncols=1)  # 创建画布及一个作图区域
# 绘制多边形
ax.add_patch(Polygon(poly_coords, color='forestgreen', alpha=0.5))
ax.margins(x=0.1, y=0.05)
plt.show()
绘制多边形如下：

该类中常用的是fill类，它是基于xy绘制一个填充的多边形，fill()的定义如下：
matplotlib.pyplot.fill(*args, data=None, **kwargs)
# 用fill来绘制三角函数变体图形
x = np.linspace(0, 5 * np.pi, 1000) 
y = np.cos(2 * x) 
plt.fill(x, y, color = "g", alpha = 0.3)
Wedge

楔形是由楔子演变而来的一种数学形状，在这里主要是指扇形，该类构造函数为：
matplotlib.patches.Wedge(center, r, theta1, theta2, width=None, **kwargs)
这里一个Wedge以坐标x,y为中心(参数center)，半径为r，扫过角度从θ1扫到θ2(单位：度)。

官方文档给出了该类的使用样例：Circles, Wedges and Polygons

这次教程中的代码示例[1]：
from matplotlib.collections import PatchCollection
from matplotlib.patches import Circle, Wedge
fig = plt.figure(figsize=(5,5))
ax1 = fig.add_subplot(111)
theta1 = 0
sizes = [15, 30, 45, 10] 
patches = []
patches += [
    Wedge((0.5, 0.5), .4, 0, 54),           
    Wedge((0.5, 0.5), .4, 54, 162),  
    Wedge((0.5, 0.5), .4, 162, 324),           
    Wedge((0.5, 0.5), .4, 324, 360),  
]
colors = 100 * np.random.rand(len(patches))
p = PatchCollection(patches, alpha=0.8)
p.set_array(colors)
ax1.add_collection(p)
而一般绘制饼图更常用的是pie()，该函数主要参数如下：
matplotlib.pyplot.pie(
    x,   # 扇区尺寸，一维数组
    explode=None,  # 指定用于偏移每个扇区半径的分数
    labels=None,   # 设置每个扇区的标记
    colors=None,   # 设置颜色，为序列形式，各扇区循环使用
    shadow=False,   # 添加阴影
    labeldistance=1.1,  # 标签径向距离 
)
官方文档饼图样例：Labeling a pie and a donut

collections

该模块用于高效绘制大型对象集合，collections类有许多不同子类，对应不同图形的集合子类。该模块的结构图示如下（来源：matplotlib collections）：

集合对应的图最直观的就是散点图，散点图由scatter方法实现，主要参数如下：

Axes.scatter(
    x, y,   # 点的横坐标序列与纵坐标序列
    s=None,   # 尺寸
    c=None,   # 颜色
    marker=None  # 标记形状
)

# 散点图样例
x = [0,2,4,6,8,10] 
y = np.random.randint(0,20,6) 
plt.scatter(x, y, s=50， marker='v')

images

顾名思义，该类是绘制image图像的类，其构造函数为AxesImage()。另一个常用的绘制图像的函数为imshow()。下面引用官方文档的例子imshow()样例：

# 绘制一张像素图
import matplotlib.pyplot as plt
import numpy as np

plt.style.use('_mpl-gallery-nogrid')

# make data
X, Y = np.meshgrid(np.linspace(-3, 3, 16), np.linspace(-3, 3, 16))
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)

# plot
fig, ax = plt.subplots()

ax.imshow(Z)

plt.show()

到这里教程中所列举的常用primitive就学习完了，后面学习对象容器Object container。

后续笔记见(更新中)：