数据可视化 Matplotlib Tutorial

摘要

Matplotlib 是一个 Python 的可视化类库，用于开发二维和三维图表。最近几年，它被广泛的应用于科学和工程领域。

1. Matplotlib 架构

Matplotlib 架构从逻辑上分为三层，位于三个不同的层级上。上层内容可以与下层内容进行通讯，但下层内容不可以与上层内容通讯。

三层从上至下依次是：

• Scripting
• Artist
• Backend

1.1. Backend 层

位于架构的最底层。这一层包含了 matplotlib 的 API，也就是若干类的集合，这些类用来在底层实现各种图形元素。主要包括：

• FigureCanves —— 用来表示图形的绘制区域
• Renderer —— 用来在 FigureCanves 上绘制内容的对象
• Event —— 用来处理用户输入（键盘、鼠标输入）的对象

1.2. Artist 层

整个架构的中间层，所有用来构成一个图像的各种元素都在这里，比如标题、坐标轴、坐标轴标签、标记等内容都是 Artist 的实例。并且这些元素构成了一个层级结构。

Artist 分为两类，一类是 primitive artist，一类是 composite artist：

• Primitive artist 是包含基本图形的独立元素，例如一个矩形、一个圆或者是一个文本标签
• Composite artist 是这些简单元素的组合，比如横坐标、纵坐标、图形等

在处理这一层内容的时候，主要打交道的都是上层的图形结构，需要理解其中每个对象在图形中所代表的含义。下图表示了一个 Artist 对象的结构。

1.3. Scripting 层

该层包含了一个 pyplot 接口。这个包提供了经典的 Python 接口，基于编程的方式操作 matplotlib，它有自己的命名空间，需要导入 NumPy包。

2. 绘制图形

2.1. 简单示例

import matplotlib.pyplot as plt

print(plt.plot([1, 2, 3, 4]))

打印输出：

[<matplotlib.lines.Line2D object at 0x000000000D55EB70>]

这里创建了一个 Line2D 对象。这个对象是一条符合给定点趋势的直线。接下来我们可以使用一个命令来将这个图片显示出来：

plt.show()

显示结果：

这个显示出来的窗口被称为 plotting window，这个窗口上有一些工具栏可以用来修改图形。

这里我们只给 plot() 方法传入了一个数字列表或数字数组，那么这个数组表示的是 y 坐标的点，对应每个点默认的 x 坐标的值是 0, 1, 2, 3, ... 。

如果要正确的绘制图形，那么应该给定明确的横坐标和纵坐标，也就是需要给定两个数组，第一个表示 x 轴，第二个表示 y 轴。此外，plot() 方法还可以接受第三个参数，用于表示绘制图形的属性。

2.2. 设置样式

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.show()

显示结果：

设置坐标样式

import matplotlib.pyplot as plt

plt.axis([0, 5, 0, 20])	# [xmin, xmax, ymin, ymax]
plt.title("My first plot")
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.show()

显示结果：

2.3. 在一个图上绘制多条线

这里使用 sin() 函数来绘制三角函数的图形。

import math
import numpy as np

import matplotlib.pyplot as plt

t = np.arange(0, 2.5, 0.1)
y1 = np.sin(math.pi * t)
y2 = np.sin(math.pi * t + math.pi / 2)
y3 = np.sin(math.pi * t - math.pi / 2)

plt.axis([-0.5, 3, -1.5, 1.5])
plt.plot(t, y1, 'b*', t, y2, 'g^', t, y3, 'ys')
plt.show()

显示结果：

还可以修改线条的样式：

plt.plot(t, y1, 'b--', t, y2, 'g', t, y3, 'r-.')

显示结果：

2.4. 使用关键字参数

之前在使用 plot() 方法绘制线条时，传入了一些参数，该方法还提供了很多参数以供使用，具体可以参考：

matplotlib.lines.Line2D

2.5. 在一个窗口绘制多个图形

如果需要在一个窗口绘制多个图形，那么可以使用 subplot() 方法设置当前图形所位于整个窗口的位置。然后使用 plot() 方法绘制当前区域的图形即可。

import math
import numpy as np

import matplotlib.pyplot as plt

t = np.arange(0,5, 0.1)
y1 = np.sin(2 * np.pi * t)
y2 = np.sin(2 * np.pi * t)

plt.subplot(211)
plt.plot(t, y1, 'b-.')

plt.subplot(212)
plt.plot(t, y2, 'r--')

plt.show()

显示结果：

2.6. 设置标签

2.6.1. 设置坐标轴标签

前面已经用过使用 title() 方法设置图形的标题，另外还有方法可以设置坐标的标签。

import matplotlib.pyplot as plt

plt.axis([0, 5, 0, 20])	# [xmin, xmax, ymin, ymax]
plt.title("My first plot")
plt.xlabel("Counting")
plt.ylabel("Square values")
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.show()

显示结果：

设置字体

plt.title("My first plot", fontsize = 20, fontname = 'Times New Roman')
plt.xlabel("Counting", color = 'gray')
plt.ylabel("Square values", color = 'gray')

显示结果：

2.6.2. 设置数据点标签

import matplotlib.pyplot as plt

plt.axis([0, 5, 0, 20])	# [xmin, xmax, ymin, ymax]
plt.title("My first plot", fontsize = 20, fontname = 'Times New Roman')
plt.xlabel("Counting", color = 'gray')
plt.ylabel("Square values", color = 'gray')

plt.text(1, 1.5, 'First')
plt.text(2, 4.5, 'Second')
plt.text(3, 9.5, 'Third')
plt.text(4, 16.5, 'Fourth')

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.show()

显示结果：

2.6.3. 添加 LaTex 表达式

plt.text(1.1, 12, r'$y=x^2$', fontsize=20,bbox={'facecolor':'yellow', 'alpha': 0.2})

显示结果：

2.6.4. 添加网格

plt.grid(linestyle='--')

显示结果：

2.6.5. 添加图例

import matplotlib.pyplot as plt

plt.axis([0, 5, 0, 20])	# [xmin, xmax, ymin, ymax]
plt.title("My first plot", fontsize = 20, fontname = 'Times New Roman')
plt.xlabel("Counting", color = 'gray')
plt.ylabel("Square values", color = 'gray')

plt.text(1, 1.5, 'First')
plt.text(2, 4.5, 'Second')
plt.text(3, 9.5, 'Third')
plt.text(4, 16.5, 'Fourth')

plt.text(1.1, 12, r'$y=x^2$', fontsize=20,bbox={'facecolor':'yellow', 'alpha': 0.2})

plt.grid(linestyle='--')

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.legend(['First series'])
plt.show()

显示结果：

注意，添加的图例中接受的是一个数组，数组中元素的顺序与 plot() 方法绘制的元素顺序对应。

3. 常用图表

3.1. 折线图（Line Charts）

折线图的思路是给定 x 一个细密度的坐标数组，给定 y 一个以 x 作为变量的表达式进行绘制。

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(-2 * np.pi, 2 * np.pi, 0.01)
y = np.sin(3 * x) / x
plt.plot(x, y)
plt.show()

显示结果：

3.1.1. 用 Pandas 绘制

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

data = {
	'series1':[1,3,4,3,5],
	'series2':[2,4,5,2,4],
	'series3':[3,2,3,1,3]
}

df = pd.DataFrame(data)

x = np.arange(5)
plt.axis([0,5,0,7])
plt.plot(x, df)
plt.show()

显示结果：

3.2. 直方图（Histograms）

使用 hist() 方法绘制直方图。

pop = np.random.randint(0,100,100)
n, bins, patches = plt.hist(pop, bins=20)
plt.show()

显示结果：

3.3. 柱状图（Bar Charts）

柱状图与直方图非常相似，但是注意，柱状图的横坐标是分类，而不是连续型的值。

index = [0,1,2,3,4]
values = [5,7,3,4,6]
plt.bar(index,values)
plt.xticks(index,['A','B','C','D','E'])
plt.show()

显示结果：

3.3.1. 标准差

index = [0,1,2,3,4]
values = [5,7,3,4,6]
std = [0.8,1,0.4,0.9,1.3]
plt.bar(index, values, yerr=std, error_kw={'ecolor':'0.1', 'capsize':6})
plt.xticks(index, ['A','B','C','D','E'])
plt.show()

显示结果：

3.3.2. 水平柱状图

index = [0,1,2,3,4]
values = [5,7,3,4,6]
std = [0.8,1,0.4,0.9,1.3]
plt.barh(index, values, xerr=std, error_kw={'ecolor':'0.1', 'capsize':6})
plt.xticks(index, ['A','B','C','D','E'])
plt.show()

显示结果：

3.3.3. 多列柱状图

index = np.array([1,2,3,4,5])
values1 = [5,7,3,4,6]
values2 = [6,6,4,5,7]
values3 = [5,6,5,4,6]
bw=0.3
plt.axis([0, 6, 0, 8])
plt.bar(index-bw, values1, bw, color='b')
plt.bar(index, values2, bw, color='g')
plt.bar(index+bw, values3, bw, color='r')
plt.xticks(index, ['A','B','C','D','E'])
plt.show()

显示结果：

3.3.4. 堆叠柱状图

series1 = np.array([3,4,5,3])
series2 = np.array([1,2,2,5])
series3 = np.array([2,3,3,4])
index = np.arange(4)
plt.axis([-0.5,3.5,0,15])
plt.title('A Multiseries Stacked Bar Chart')
plt.bar(index,series1,color='r')
plt.bar(index,series2,color='b',bottom=series1)
plt.bar(index,series3,color='g',bottom=(series2+series1))
plt.xticks(index+0.4,['Jan18','Feb18','Mar18','Apr18'])
plt.show()

显示结果：

3.4. 饼状图（Pie Charts）

labels = ['Nokia','Samsung','Apple','Lumia']
values = [10,30,45,15]
colors = ['yellow','green','red','blue']
plt.pie(values,labels=labels,colors=colors)
plt.axis('equal')

plt.show()

显示结果：

4. 3D 图形

4.1. 3D 曲面

import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-2,2,0.1)
Y = np.arange(-2,2,0.1)
X,Y = np.meshgrid(X,Y)

def f(x,y):
	return (1 - y**5 + x**5)*np.exp(-x**2-y**2)

ax.plot_surface(X,Y,f(X,Y), rstride=1, cstride=1)
plt.show()

显示结果：

4.2. 3D 散点图

import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

xs = np.random.randint(30,40,100)
ys = np.random.randint(20,30,100)
zs = np.random.randint(10,20,100)
xs2 = np.random.randint(50,60,100)
ys2 = np.random.randint(30,40,100)
zs2 = np.random.randint(50,70,100)
xs3 = np.random.randint(10,30,100)
ys3 = np.random.randint(40,50,100)
zs3 = np.random.randint(40,50,100)
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(xs,ys,zs)
ax.scatter(xs2,ys2,zs2,c='r',marker='^')
ax.scatter(xs3,ys3,zs3,c='g',marker='*')
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
plt.show()

显示结果：

4.3. 3D 柱状图

import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

x = np.arange(8)
y = np.random.randint(0,10,8)
y2 = y + np.random.randint(0,3,8)
y3 = y2 + np.random.randint(0,3,8)
y4 = y3 + np.random.randint(0,3,8)
y5 = y4 + np.random.randint(0,3,8)
clr = ['#4bb2c5', '#c5b47f', '#EAA228', '#579575', '#839557', '#958c12', '#953579', '#4b5de4']
fig = plt.figure()
ax = Axes3D(fig)
ax.bar(x,y,0,zdir='y',color=clr)
ax.bar(x,y2,10,zdir='y',color=clr)
ax.bar(x,y3,20,zdir='y',color=clr)
ax.bar(x,y4,30,zdir='y',color=clr)
ax.bar(x,y5,40,zdir='y',color=clr)
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
ax.set_zlabel('Z Axis')
ax.view_init(elev=40)
plt.show()

显示结果：