手把手教你用Matplotlib實(shí)現(xiàn)數(shù)據(jù)可視化
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()
是 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) figure
和 axes
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
python實(shí)現(xiàn)人民幣大寫(xiě)轉(zhuǎn)換
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)人民幣大寫(xiě)轉(zhuǎn)換的方法,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-06-06基于pytorch 預(yù)訓(xùn)練的詞向量用法詳解
今天小編就為大家分享一篇基于pytorch 預(yù)訓(xùn)練的詞向量用法詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01python daemon守護(hù)進(jìn)程實(shí)現(xiàn)
這篇文章主要介紹了python daemon守護(hù)進(jìn)程實(shí)現(xiàn),需要的朋友可以參考下2016-08-08Python venv虛擬環(huán)境跨設(shè)備遷移的實(shí)現(xiàn)
本文主要介紹了Python venv虛擬環(huán)境跨設(shè)備遷移的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2022-06-06Python3 SSH遠(yuǎn)程連接服務(wù)器的方法示例
這篇文章主要介紹了Python3 SSH遠(yuǎn)程連接服務(wù)器的方法示例,小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-12-12pycharm中keras導(dǎo)入報(bào)錯(cuò)無(wú)法自動(dòng)補(bǔ)全cannot?find?reference分析
這篇文章主要介紹了pycharm中keras導(dǎo)入報(bào)錯(cuò)無(wú)法自動(dòng)補(bǔ)全cannot?find?reference分析,文章圍繞主題展開(kāi)分析,需要的小伙伴可以參考一下2022-07-07