資料可視化 | Matplotlib

Matplotlib 是一個 Python 的 2D繪圖庫，通過 Matplotlib，開發者可以僅需要幾行代碼，便可以生成繪圖，直方圖，功率譜，條形圖，錯誤圖，散點圖等。

http://matplotlib.org

用于建立出版品質圖表的繪圖工具庫

目的是為Python建構一個Matlab式的繪圖接口

import matplotlib.pyplot as plt      

pyploy子產品包含了常用的matplotlib API函數

figure

• Matplotlib的圖像均位于figure對象中
• 建立figure：

  fig = plt.figure()

# 引入matplotlib包
import matplotlib.pyplot as plt
import numpy as np
 
%matplotlib inline #在jupyter notebook 裡需要使用這一句指令
 
# 建立figure對象
fig = plt.figure()      

運作結果：

<matplotlib.figure.Figure at 0x11a2dd7b8>
      

subplot

fig.add_subplot(a, b, c)

a,b 表示将fig分割成 a*b 的區域

c 表示目前選中要操作的區域，

注意：從1開始編号（不是從0開始）

plot 繪圖的區域是最後一次指定subplot的位置 (jupyter notebook裡不能正确顯示)

# 指定切分區域的位置
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)
 
# 在subplot上作圖
random_arr = np.random.randn(100)
#print random_arr
 
# 預設是在最後一次使用subplot的位置上作圖，但是在jupyter notebook 裡可能顯示有誤
plt.plot(random_arr)
 
# 可以指定在某個或多個subplot位置上作圖
# ax1 = fig.plot(random_arr)
# ax2 = fig.plot(random_arr)
# ax3 = fig.plot(random_arr)
 
# 顯示繪圖結果
plt.show()      

直方圖：hist

import matplotlib.pyplot as plt
import numpy as np
 
plt.hist(np.random.randn(100), bins=10, color='b', alpha=0.3)
plt.show()      

散點圖：scatter

import matplotlib.pyplot as plt
import numpy as np
 
# 繪制散點圖
x = np.arange(50)
y = x + 5 * np.random.rand(50)
plt.scatter(x, y)
plt.show()import matplotlib.pyplot as plt
import numpy as np
 
# 繪制散點圖
x = np.arange(50)
y = x + 5 * np.random.rand(50)
plt.scatter(x, y)
plt.show()      

柱狀圖：bar

import matplotlib.pyplot as plt
import numpy as np
 
# 柱狀圖
x = np.arange(5)
y1, y2 = np.random.randint(1, 25, size=(2, 5))
width = 0.25
ax = plt.subplot(1,1,1)
ax.bar(x, y1, width, color='r')
ax.bar(x+width, y2, width, color='g')
ax.set_xticks(x+width)
ax.set_xticklabels(['a', 'b', 'c', 'd', 'e'])
plt.show()      

矩陣繪圖：plt.imshow()

• 混淆矩陣，三個次元的關系

import matplotlib.pyplot as plt
import numpy as np
 
# 矩陣繪圖
m = np.random.rand(10,10)
print(m)
plt.imshow(m, interpolation='nearest', cmap=plt.cm.ocean)
plt.colorbar()
plt.show()      

[[ 0.92859942  0.84162134  0.37814667  0.46401549  0.93935737  0.0344159
   0.56358375  0.75977745  0.87983192  0.22818774]
 [ 0.88216959  0.43369207  0.1303902   0.98446182  0.59474031  0.04414217
   0.86534444  0.34919228  0.53950028  0.89165269]
 [ 0.52919761  0.87408715  0.097871    0.78348534  0.09354791  0.3186
   0.25978432  0.48340623  0.1107699   0.14065592]
 [ 0.90834516  0.42377475  0.73042695  0.51596826  0.14154431  0.22165693
   0.64705882  0.78062873  0.55036304  0.40874584]
 [ 0.98853697  0.46762114  0.69973423  0.7910757   0.63700306  0.68793919
   0.28685306  0.3473426   0.17011744  0.18812329]
 [ 0.73688943  0.58004874  0.03146167  0.08875797  0.32930191  0.87314734
   0.50757536  0.8667078   0.8423364   0.99079049]
 [ 0.37660356  0.63667774  0.78111565  0.25598593  0.38437628  0.95771051
   0.01922366  0.37020219  0.51020305  0.05365718]
 [ 0.87588452  0.56494761  0.67320078  0.46870376  0.66139913  0.55072149
   0.51328222  0.64817353  0.198525    0.18105368]
 [ 0.86038137  0.55914088  0.55240021  0.15260395  0.4681218   0.28863395
   0.6614597   0.69015592  0.46583629  0.15086562]
 [ 0.01373772  0.30514083  0.69804049  0.5014782   0.56855904  0.14889117
   0.87596848  0.29757133  0.76062891  0.03678431]]      

plt.subplots()

• 同時傳回新建立的

  figure

  和

  subplot

  對象數組
• 生成2行2列subplot:

  fig, subplot_arr = plt.subplots(2,2)

• 在jupyter裡可以正常顯示，推薦使用這種方式建立多個圖表

import matplotlib.pyplot as plt
import numpy as np
 
fig, subplot_arr = plt.subplots(2,2)
# bins 為顯示個數，一般小于等于數值個數
subplot_arr[1,0].hist(np.random.randn(100), bins=10, color='b', alpha=0.3)
plt.show()      

運作結果： 

顔色、标記、線型

• ax.plot(x, y, ‘r--’)

等價于ax.plot(x, y, linestyle=‘--’, color=‘r’)import matplotlib.pyplot as pl

示例代碼：

import matplotlib.pyplot as plt
import numpy as np
 
fig, axes = plt.subplots(2)
axes[0].plot(np.random.randint(0, 100, 50), 'ro--')
# 等價
axes[1].plot(np.random.randint(0, 100, 50), color='r', linestyle='dashed', marker='o')      

[<matplotlib.lines.Line2D at 0x11a901e80>]

• 常用的顔色、标記、線型

• 

• 刻度、标簽、圖例

設定刻度範圍

plt.xlim(), plt.ylim()

ax.set_xlim(), ax.set_ylim()

設定顯示的刻度

plt.xticks(), plt.yticks()

ax.set_xticks(), ax.set_yticks()

設定刻度标簽

ax.set_xticklabels(), ax.set_yticklabels()

設定坐标軸标簽

ax.set_xlabel(), ax.set_ylabel()

設定标題

ax.set_title()

圖例

ax.plot(label=‘legend’)

ax.legend(), plt.legend()

loc=‘best’：自動選擇放置圖例最佳位置

import matplotlib.pyplot as plt
import numpy as np
 
fig, ax = plt.subplots(1)
ax.plot(np.random.randn(1000).cumsum(), label='line0')
 
# 設定刻度
#plt.xlim([0,500])
ax.set_xlim([0, 800])
 
# 設定顯示的刻度
#plt.xticks([0,500])
ax.set_xticks(range(0,500,100))
 
# 設定刻度标簽
ax.set_yticklabels(['Jan', 'Feb', 'Mar'])
 
# 設定坐标軸标簽
ax.set_xlabel('Number')
ax.set_ylabel('Month')
 
# 設定标題
ax.set_title('Example')
 
# 圖例
ax.plot(np.random.randn(1000).cumsum(), label='line1')
ax.plot(np.random.randn(1000).cumsum(), label='line2')
ax.legend()
ax.legend(loc='best')
#plt.legend()      

<matplotlib.legend.Legend at 0x11a4061d0>