亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

手把手教你用Matplotlib實(shí)現(xiàn)數(shù)據(jù)可視化

 更新時(shí)間:2022年02月24日 09:35:29   作者:我想養(yǎng)只貓  
Matplotlib是支持?Python語(yǔ)言的開(kāi)源繪圖庫(kù),因?yàn)槠渲С重S富的繪圖類型、簡(jiǎn)單的繪圖方式以及完善的接口文檔,深受?Python?工程師、科研學(xué)者、數(shù)據(jù)工程師等各類人士的喜歡。本文將詳細(xì)為大家介紹如何用Matplotlib實(shí)現(xiàn)數(shù)據(jù)可視化,需要的可以參考一下

介紹

在使用機(jī)器學(xué)習(xí)方法解決問(wèn)題的過(guò)程中,一定會(huì)遇到需要針對(duì)數(shù)據(jù)進(jìn)行繪圖的場(chǎng)景。

Matplotlib 是支持 Python 語(yǔ)言的開(kāi)源繪圖庫(kù),因?yàn)槠渲С重S富的繪圖類型、簡(jiǎn)單的繪圖方式以及完善的接口文檔,深受 Python 工程師、科研學(xué)者、數(shù)據(jù)工程師等各類人士的喜歡

Matplotlib 擁有著十分活躍的社區(qū)以及穩(wěn)定的版本迭代,當(dāng)我們?cè)趯W(xué)習(xí)機(jī)器學(xué)習(xí)的課程時(shí),掌握 Matplotlib 的使用無(wú)疑是最重要的準(zhǔn)備工作之一

在使用 Notebook 環(huán)境繪圖時(shí),需要先運(yùn)行 Jupyter Notebook 的魔術(shù)命令 %matplotlib inline

這條命令的作用是將 Matplotlib 繪制的圖形嵌入在當(dāng)前頁(yè)面中。而在桌面環(huán)境中繪圖時(shí),不需要添加此命令,而是在全部繪圖代碼之后追加 plt.show()

簡(jiǎn)單圖形繪制

使用 Matplotlib 提供的面向?qū)ο?API,需要導(dǎo)入 pyplot 模塊,并約定簡(jiǎn)稱為 plt

快速上手

import  matplotlib.pyplot as plt
%matplotlib inline
plt.plot([1, 2, 3, 2, 1, 2, 3, 4, 5, 6, 5, 4, 3, 2, 1])

前面,我們從 Matplotlib 中導(dǎo)入了 pyplot 繪圖模塊,并將其簡(jiǎn)稱為 plt

pyplot 模塊是 Matplotlib 最核心的模塊,幾乎所有樣式的 2D 圖形都是經(jīng)過(guò)該模塊繪制出來(lái)的

自定義X/Y軸

plt.plot()pyplot 模塊下面的直線繪制(折線圖)方法類. 示例中包含了一個(gè) [1, 2, 3, 2, 1, 2, 3, 4, 5, 6, 5, 4, 3, 2, 1] 列表,Matplotlib 會(huì)默認(rèn)將該列表作為 y 值,而 x 值會(huì)從 0 開(kāi)始依次遞增。

當(dāng)然,如果你需要自定義橫坐標(biāo)值,只需要傳入兩個(gè)列表即可

plt.plot([1,2,3],
         [1, 2, 3])

圖表實(shí)現(xiàn)

匯總

上面演示了如何繪制一個(gè)簡(jiǎn)單的折線圖

那么,除了折線圖,我們平常還要繪制柱狀圖、散點(diǎn)圖、餅狀圖等等. 這些圖應(yīng)該怎樣繪制呢?

pyplot 模塊中 pyplot.plot 方法是用來(lái)繪制折線圖的

你應(yīng)該會(huì)很容易聯(lián)想到,更改后面的方法類名就可以更改圖形的樣式。

的確,在 Matplotlib 中,大部分圖形樣式的繪制方法都存在于 pyplot 模塊中。例如:

方法含義
matplotlib.pyplot.plot折線圖
matplotlib.pyplot.angle_spectrum電子波譜圖
matplotlib.pyplot.bar柱狀圖
matplotlib.pyplot.barh直方圖
matplotlib.pyplot.broken_barh水平直方圖
matplotlib.pyplot.contour等高線圖
matplotlib.pyplot.errorbar誤差線
matplotlib.pyplot.hexbin六邊形圖案
matplotlib.pyplot.hist柱形圖
matplotlib.pyplot.hist2d水平柱狀圖
matplotlib.pyplot.pie餅狀圖
matplotlib.pyplot.quiver量場(chǎng)圖
matplotlib.pyplot.scatter散點(diǎn)圖
matplotlib.pyplot.specgram光譜圖

下面,我們參考折線圖的繪制方法,嘗試?yán)L制幾個(gè)簡(jiǎn)單的圖形。

正弦曲線圖

matplotlib.pyplot.plot(*args, **kwargs) 方法嚴(yán)格來(lái)講可以繪制線形圖或者樣本標(biāo)記

其中,*args 允許輸入單個(gè) y 值或 x,y 值

例如,我們這里繪制一張自定義 x,y 的正弦曲線圖

import numpy as np

# 在 -2PI 和 2PI 之間等間距生成 1000 個(gè)值,也就是 X 坐標(biāo)
X = np.linspace(-2*np.pi, 2*np.pi, 1000)
# 計(jì)算 y 坐標(biāo)
y = np.sin(X)

# 向方法中 `*args` 輸入 X,y 坐標(biāo)
plt.plot(X, y)

正弦曲線就繪制出來(lái)了。但值得注意的是,pyplot.plot 在這里繪制的正弦曲線,實(shí)際上不是嚴(yán)格意義上的曲線圖,而在兩點(diǎn)之間依舊是直線。

這里看起來(lái)像曲線是因?yàn)闃颖军c(diǎn)相互挨得很近。

柱狀圖

柱形圖 matplotlib.pyplot.bar(*args, **kwargs) 大家應(yīng)該都非常了解了

這里,我們直接用上面的代碼,僅把 plt.plot(X, y) 改成 plt.bar(X, y) 試一下

plt.bar([1,2,3],[1,2,3])

散點(diǎn)圖

散點(diǎn)圖 matplotlib.pyplot.scatter(*args, **kwargs) 就是呈現(xiàn)在二維平面的一些點(diǎn),這種圖像的需求也是非常常見(jiàn)的

比如,我們通過(guò) GPS 采集的數(shù)據(jù)點(diǎn),它會(huì)包含經(jīng)度以及緯度兩個(gè)值,這樣的情況就可以繪制成散點(diǎn)圖

# X,y 的坐標(biāo)均有 numpy 在 0 到 1 中隨機(jī)生成 1000 個(gè)值
X = np.random.ranf(1000)
y = np.random.ranf(1000)
# 向方法中 `*args` 輸入 X,y 坐標(biāo)
plt.scatter(X, y)

餅圖

餅狀圖 matplotlib.pyplot.pie(*args, **kwargs) 在有限列表以百分比呈現(xiàn)時(shí)特別有用,你可以很清晰地看出來(lái)各類別之間的大小關(guān)系,以及各類別占總體的比例。

plt.pie([1, 2, 3, 4, 5])

量場(chǎng)圖

量場(chǎng)圖 matplotlib.pyplot.quiver(*args, **kwargs) 就是由向量組成的圖像,在氣象學(xué)等方面被廣泛應(yīng)用

從圖像的角度來(lái)看,量場(chǎng)圖就是帶方向的箭頭符號(hào)

X, y = np.mgrid[0:10, 0:10]
plt.quiver(X, y)

等高線圖

中學(xué)學(xué)習(xí)地理的時(shí)候,我們就知道等高線了

等高線圖 matplotlib.pyplot.contourf(*args, **kwargs) 是工程領(lǐng)域經(jīng)常接觸的一類圖,它的繪制過(guò)程稍微復(fù)雜一些

# 生成網(wǎng)格矩陣
x = np.linspace(-5, 5, 500)
y = np.linspace(-5, 5, 500)
X, Y = np.meshgrid(x, y)
# 等高線計(jì)算公式
Z = (1 - X / 2 + X ** 3 + Y ** 4) * np.exp(-X ** 2 - Y ** 2)

plt.contourf(X, Y, Z)

圖形樣式

上面,我們繪制了簡(jiǎn)單的基礎(chǔ)圖形,但這些圖形都不美觀

我們已經(jīng)知道了,線形圖通過(guò) matplotlib.pyplot.plot(*args, **kwargs) 方法繪出

其中,args 代表數(shù)據(jù)輸入,而 kwargs 的部分就是用于設(shè)置樣式參數(shù)了。

折線圖

二維線形圖 包含的參數(shù) 超過(guò) 40 余項(xiàng),其中常用的也有 10 余項(xiàng),選取一些比較有代表性的參數(shù)列舉如下:

參數(shù)含義
alpha=設(shè)置線型的透明度,從 0.0 到 1.0
color=設(shè)置線型的顏色
fillstyle=設(shè)置線型的填充樣式
linestyle=設(shè)置線型的樣式
linewidth=設(shè)置線型的寬度
marker=設(shè)置標(biāo)記點(diǎn)的樣式
…………

至于每一項(xiàng)參數(shù)包含的設(shè)置選項(xiàng),大家需要通過(guò) 官方文檔 詳細(xì)了解

下面,我們重新繪制一個(gè)三角函數(shù)圖形

# 在 -2PI 和 2PI 之間等間距生成 1000 個(gè)值,也就是 X 坐標(biāo)
X = np.linspace(-2 * np.pi, 2 * np.pi, 1000)
# 計(jì)算 sin() 對(duì)應(yīng)的縱坐標(biāo)
y1 = np.sin(X)
# 計(jì)算 cos() 對(duì)應(yīng)的縱坐標(biāo)
y2 = np.cos(X)

# 向方法中 `*args` 輸入 X,y 坐標(biāo)
plt.plot(X, y1, color='r', linestyle='--', linewidth=2, alpha=0.8)
plt.plot(X, y2, color='b', linestyle='-', linewidth=2)

散點(diǎn)圖

散點(diǎn)圖也是相似的,它們的很多樣式參數(shù)都是大同小異,需要大家閱讀 官方文檔 詳細(xì)了解。

參數(shù)含義
s=散點(diǎn)大小
c=散點(diǎn)顏色
marker=散點(diǎn)樣式
cmap=定義多類別散點(diǎn)的顏色
alpha=點(diǎn)的透明度
edgecolors=散點(diǎn)邊緣顏色
# 生成隨機(jī)數(shù)據(jù)
x = np.random.rand(1000)
y = np.random.rand(1000)
colors = np.random.rand(1000)
size = np.random.normal(50, 60, 1000)
# 繪制散點(diǎn)圖
plt.scatter(x, y, s=size, c=colors)  

餅圖

餅狀圖通過(guò) matplotlib.pyplot.pie() 繪出

我們也可以進(jìn)一步設(shè)置它的顏色、標(biāo)簽、陰影等各類樣式

# 各類別標(biāo)簽
label = 'a','b','c','d'  
# 各類別顏色
color = 'r', 'g', 'r', 'g'
# 各類別占比
size = [1, 2, 3, 4]  
# 各類別的偏移半徑
explode = (0, 0, 0, 0, 0.2)  
# 繪制餅狀圖
plt.pie(size, colors=color, explode=explode,
        labels=label, shadow=True, autopct='%1.1f%%')
# 餅狀圖呈正圓
plt.axis('equal')

組合圖形樣式

上面演示了單個(gè)簡(jiǎn)單圖像的繪制

實(shí)際上,我們往往會(huì)遇到將幾種類型的一樣的圖放在一張圖內(nèi)顯示,也就是組合圖的繪制。

其實(shí)很簡(jiǎn)單,你只需要將所需圖形的代碼放置在一起就可以了,比如繪制一張包含柱形圖和折線圖的組合圖。

x = [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
y_bar = [3, 4, 6, 8, 9, 10, 9, 11, 7, 8]
y_line = [2, 3, 5, 7, 8, 9, 8, 10, 6, 7]

plt.bar(x, y_bar)
plt.plot(x, y_line, '-o', color='y')

圖形位置

figure對(duì)象

在圖形的繪制過(guò)程中,你可能需要調(diào)整圖形的位置,或者把幾張單獨(dú)的圖形拼接在一起

此時(shí),我們就需要引入 plt.figure 圖形對(duì)象了

# 生成數(shù)據(jù)
x = np.linspace(0, 10, 20)
y = x * x + 2

# 新建圖形對(duì)象
fig = plt.figure()
# 控制畫(huà)布的左, 下, 寬度, 高度
axes = fig.add_axes([0.5, 0.5, 0.8, 0.8])
axes.plot(x, y, 'r')

上面的繪圖代碼中,你可能會(huì)對(duì) figureaxes 產(chǎn)生疑問(wèn)

Matplotlib 的 API 設(shè)計(jì)的非常符合常理,在這里,figure 相當(dāng)于繪畫(huà)用的畫(huà)板,而 axes 則相當(dāng)于鋪在畫(huà)板上的畫(huà)布

我們將圖像繪制在畫(huà)布上,于是就有了 plot,set_xlabel 等操作。

借助于圖形對(duì)象,我們可以實(shí)現(xiàn)大圖套小圖的效果

# 新建畫(huà)板
fig = plt.figure()

# 大畫(huà)布
axes1 = fig.add_axes([0.1,0.1,0.8,0.8])
# 小畫(huà)布
axes2 = fig.add_axes([0.2,0.5,0.4,0.3])

# 大畫(huà)布
axes1.plot(x,y,'r')
# 小畫(huà)布
axes2.plot(x,y,'g')

上面的繪圖代碼中,使用了 add_axes() 方法向我們?cè)O(shè)置的畫(huà)板 figure 中添加畫(huà)布 axes

subplots對(duì)象

在 Matplotlib 中,還有一種添加畫(huà)布的方式,那就是 plt.subplots(),它和 axes 都等同于畫(huà)布

flg,axes = plt.subplots()
axes.plot(x,y,'r')

借助于 plt.subplots(),我們就可以實(shí)現(xiàn)子圖的繪制,也就是將多張圖按一定順序拼接在一起

# 子圖為 1 行,2 列
flg,axes = plt.subplots(nrows=1,ncols=2)
for ax in axes:
    ax.plot(x,y,'r')

或者:

x = [1,2,3]
y = [1,2,3]

flg,axes = plt.subplots(nrows=1,ncols=2)
axes[0].plot(x,y,'r')
axes[1].plot(x[::-1],y,'r')

通過(guò)設(shè)置 plt.subplots 的參數(shù),可以實(shí)現(xiàn)調(diào)節(jié)畫(huà)布尺寸和顯示精度

fig, axes = plt.subplots(
        # 通過(guò) figsize 調(diào)節(jié)尺寸, dpi 調(diào)節(jié)顯示精度
    	figsize=(16, 9), dpi=50
	) 

axes.plot(x, y, 'r')

規(guī)范繪圖方法

首先,任何圖形的繪制,都建議通過(guò) plt.figure() 或者 plt.subplots() 管理一個(gè)完整的圖形對(duì)象

而不是簡(jiǎn)單使用一條語(yǔ)句,例如 plt.plot(...) 來(lái)繪圖

管理一個(gè)完整的圖形對(duì)象,有很多好處, 在圖形的基礎(chǔ)上,給后期添加圖例,圖形樣式,標(biāo)注等預(yù)留了很大的空間, 除此之外代碼看起來(lái)也更加規(guī)范,可讀性更強(qiáng).

接下來(lái),我們就通過(guò)幾組例子來(lái)演示規(guī)范的繪圖方法.

添加圖標(biāo)題/圖例

繪制包含圖標(biāo)題、坐標(biāo)軸標(biāo)題以及圖例的圖形,舉例如下:

fig, axes = plt.subplots()

# 橫軸名稱
axes.set_xlabel('x label')  
axes.set_ylabel('y label')

# 圖形名稱
axes.set_title('title')  

axes.plot(x, x**2)
axes.plot(x, x**3)
# 圖例
axes.legend(["y = x**2", "y = x**3"], loc=0)  

圖例中的 loc 參數(shù)標(biāo)記圖例位置,1,2,3,4 依次代表:右上角、左上角、左下角,右下角;0 代表自適應(yīng)

線型、顏色、透明度

在 Matplotlib 中,你可以設(shè)置線的顏色、透明度等其他屬性

fig,axes = plt.subplots()

axes.plot(x, x+1, color="red", alpha=0.5)
axes.plot(x, x+2, color="#1155dd")
axes.plot(x, x+3, color="#15cc55")

而對(duì)于線型而言,除了實(shí)線、虛線之外,還有很多豐富的線型可供選擇

fig, ax = plt.subplots(figsize=(12, 6))

# 線寬
ax.plot(x, x+1, color="blue", linewidth=0.25)
ax.plot(x, x+2, color="blue", linewidth=0.50)
ax.plot(x, x+3, color="blue", linewidth=1.00)
ax.plot(x, x+4, color="blue", linewidth=2.00)

# 虛線類型
ax.plot(x, x+5, color="red", lw=2, linestyle='-')
ax.plot(x, x+6, color="red", lw=2, ls='-.')
ax.plot(x, x+7, color="red", lw=2, ls=':')

# 虛線交錯(cuò)寬度
line, = ax.plot(x, x+8, color="black", lw=1.50)
line.set_dashes([5, 10, 15, 10])

# 符號(hào)
ax.plot(x, x + 9, color="green", lw=2, ls='--', marker='+')
ax.plot(x, x+10, color="green", lw=2, ls='--', marker='o')
ax.plot(x, x+11, color="green", lw=2, ls='--', marker='s')
ax.plot(x, x+12, color="green", lw=2, ls='--', marker='1')

# 符號(hào)大小和顏色
ax.plot(x, x+13, color="purple", lw=1, ls='-', marker='o', markersize=2)
ax.plot(x, x+14, color="purple", lw=1, ls='-', marker='o', markersize=4)
ax.plot(x, x+15, color="purple", lw=1, ls='-',
        marker='o', markersize=8, markerfacecolor="red")
ax.plot(x, x+16, color="purple", lw=1, ls='-', marker='s', markersize=8,
        markerfacecolor="yellow", markeredgewidth=2, markeredgecolor="blue")

畫(huà)布網(wǎng)格、坐標(biāo)軸范圍

有些時(shí)候,我們可能需要顯示畫(huà)布網(wǎng)格或調(diào)整坐標(biāo)軸范圍

設(shè)置畫(huà)布網(wǎng)格和坐標(biāo)軸范圍

這里,我們通過(guò)指定 axes[0] 序號(hào),來(lái)實(shí)現(xiàn)子圖的自定義順序排列

fig, axes = plt.subplots(1, 2, figsize=(10, 5))

# 顯示網(wǎng)格
axes[0].plot(x, x**2, x, x**3, lw=2)
axes[0].grid(True)

# 設(shè)置坐標(biāo)軸范圍
axes[1].plot(x, x**2, x, x**3)
axes[1].set_ylim([0, 60])
axes[1].set_xlim([2, 5])

除了折線圖,Matplotlib 還支持繪制散點(diǎn)圖、柱狀圖等其他常見(jiàn)圖形

下面,我們繪制由散點(diǎn)圖、梯步圖、條形圖、面積圖構(gòu)成的子圖

n = np.array([0, 1, 2, 3, 4, 5])

fig, axes = plt.subplots(1, 4, figsize=(16, 5))

axes[0].scatter(x, x + 0.25*np.random.randn(len(x)))
axes[0].set_title("scatter")

axes[1].step(n, n**2, lw=2)
axes[1].set_title("step")

axes[2].bar(n, n**2, align="center", width=0.5, alpha=0.5)
axes[2].set_title("bar")

axes[3].fill_between(x, x**2, x**3, color="green", alpha=0.5)
axes[3].set_title("fill_between")

圖形標(biāo)注方法

當(dāng)我們繪制一些較為復(fù)雜的圖像時(shí),閱讀對(duì)象往往很難全面理解圖像的含義。而此時(shí),圖像標(biāo)注往往會(huì)起到畫(huà)龍點(diǎn)睛的效果

圖像標(biāo)注,就是在畫(huà)面上添加文字注釋、指示箭頭、圖框等各類標(biāo)注元素

Matplotlib 中,文字標(biāo)注的方法由 matplotlib.pyplot.text() 實(shí)現(xiàn)

最基本的樣式為 matplotlib.pyplot.text(x, y, s),其中 x, y 用于標(biāo)注位置定位,s 代表標(biāo)注的字符串

除此之外,你還可以通過(guò) fontsize= , horizontalalignment= 等參數(shù)調(diào)整標(biāo)注字體的大小,對(duì)齊樣式等

下面,我們舉一個(gè)對(duì)柱形圖進(jìn)行文字標(biāo)注的示例

fig,axes = plt.subplots()

# 柱形圖橫坐標(biāo)
x_bar = [
    10,20,30,40,50
]
# 柱形圖縱坐標(biāo)
y_bar = [
    0.5,0.6,0.3,0.4,0.8
]

# 繪制柱形圖
bars = axes.bar(x_bar,y_bar,color="blue",label=x_bar,width=2)

for i,rect in enumerate(bars):
    # 獲取柱形圖縱坐標(biāo)
    x_text = rect.get_x()
    # 獲取柱子的高度并增加0.01
    y_text = rect.get_height() + 0.01
    # 標(biāo)注文字
    plt.text(x_text,y_text,'%.1f' % y_bar[i])

除了文字標(biāo)注之外,還可以通過(guò) matplotlib.pyplot.annotate() 方法向圖像中添加箭頭等樣式標(biāo)注

接下來(lái),我們向上面的例子中增添一行增加箭頭標(biāo)記的代碼

for i, rect in enumerate(bars):
    # 獲取柱形圖縱坐標(biāo)
    x_text = rect.get_x()
    # 獲取柱子的高度并增加0.01
    y_text = rect.get_height() + 0.01
    # 標(biāo)注文字
    plt.text(x_text, y_text, '%.1f' % y_bar[i])
	
    # 增加箭頭標(biāo)注
    plt.annotate(
        'Min', xy=(32, 0.3), xytext=(36, 0.3),
        arrowprops=dict(facecolor='black', width=1, headwidth=7)
    )

上面的示例中,xy=() 表示標(biāo)注終點(diǎn)坐標(biāo),xytext=() 表示標(biāo)注起點(diǎn)坐標(biāo)

在箭頭繪制的過(guò)程中,arrowprops=() 用于設(shè)置箭頭樣式,facecolor= 設(shè)置顏色,width= 設(shè)置箭尾寬度,headwidth= 設(shè)置箭頭寬度,可以通過(guò) arrowstyle= 改變箭頭的樣式。

以上就是手把手教你用Matplotlib實(shí)現(xiàn)數(shù)據(jù)可視化的詳細(xì)內(nèi)容,更多關(guān)于Matplotlib數(shù)據(jù)可視化的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

最新評(píng)論