Python-Matplotlib常見統計圖的繪制

Matplotlib庫

Matplotlib 是 Python 的繪圖庫，它提供了一整套和 matlab 相似的指令 API，可以生成出版品質級别的精美圖形，Matplotlib 使繪圖變得非常簡單，在易用性和性能間取得了優異的平衡。

曲線圖

曲線圖的繪制

作為繪圖程式的 Hello World，我們将首先繪制一條簡單的曲線。同時還将簡單介紹

# plot_1.py
import matplotlib.pyplot as plt
x = range(50)
y = [value * 2 for value in x]
plt.plot(x, y)
plt.show()      

上述代碼将會繪制曲線 y=2*x，其中 x 在 [0，50] 範圍内，如下所示：

可以看到視窗上方還包含多個圖示，其中：

圖示	解釋
	此按鈕用于将所繪制的圖形另存為所需格式的圖檔，包括png，jpg，pdf，svg等常見格式
	此按鈕用于調整圖檔的尺寸，邊距等圖檔屬性
	此按鈕用于縮放圖檔，用于觀察圖形細節，單擊此按鈕後，在圖形上使用滑鼠左鍵拖拽進行放大，使用滑鼠右鍵拖拽進行縮小
	此按鈕用于移動圖形，可以與“縮放”按鈕結合觀察放大後圖檔的具體細節，同時，單擊此按鈕後，在圖形上使用滑鼠右鍵拖拽可以縮放坐标軸的比例
	此按鈕用于将圖形恢複到其初始狀态，取消縮放、移動等操作

Tips：plt.plot(x, y) 用于繪制一條曲線，其中，曲線點的 x 坐标在清單 x 中給出，曲線點的 y 坐标在清單y中給出。

由于 matplotlib 它隻專注于繪圖，是以如果想從檔案中讀取輸入或進行一些中間計算，那麼必須使用 Python 子產品，但不用擔心，matplotlib 與其他子產品具有良好的相容性，并不涉及過多的技巧。例如，要生成大量統計圖形，可能需要使用科學計算包，如 Numpy 和 Python 的檔案讀取 I/O 子產品。在接下來的講解中會給出相應的示例。

結合Numpy庫，繪制曲線圖

繪制曲線 cos(x)，x 在 [0, 2*pi] 區間内：

# cos_1.py
import math
import matplotlib.pyplot as plt
scale = range(100)
x = [(2 * math.pi * i) / len(scale) for i in scale]
y = [math.cos(i) for i in x]
plt.plot(x, y)
plt.show()      

若采用 Numpy 庫，則可以使用以下等效代碼：

# cos_2.py
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 2 * np.pi, 100)
y = np.cos(x)
plt.plot(x, y)
plt.show()      

所繪制圖形如下所示：

Tips：雖然 Numpy 對于可視化而言并非必要，但可以看出使用 Numpy 庫可以更加高效。

Numpy 可以一次對整個數組執行操作，可以使代碼更高效，以繪制 [-10,10] 區間内的曲線 y=x3+5x-10 為例：

# plot_np.py
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-10, 10, 800)
y = x ** 3 + 5 * x - 10
plt.plot(x, y)
plt.show()      

繪制圖形如下：

繪制多曲線圖  

很多時候我們需要對比多組資料，以發現資料間的異同，此時就需要在一張圖檔上繪制多條曲線——多曲線圖，下圖展示了在同一圖檔中繪制函數 y=x、y=x2，y=logex 以及 y=sin(x)：

# plot_multi_curve.py
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0.1, 2 * np.pi, 100)
y_1 = x
y_2 = np.square(x)
y_3 = np.log(x)
y_4 = np.sin(x)
plt.plot(x,y_1)
plt.plot(x,y_2)
plt.plot(x,y_3)
plt.plot(x,y_4)
plt.show()      

上述腳本繪制圖形如下：

Tips：一條曲線的繪制需要調用一次 plt.plot()，而 plt.show() 隻需調用一次。這種延遲呈現機制是 matplotlib 的核心，我們可以聲明在任何時間繪制圖形，但隻有在調用 plt.show() 時才會渲染顯示圖形。

為了更好的說明這種延遲呈現機制，編寫以下代碼：

# deferred_rendering.py
import numpy as np
import matplotlib.pyplot as plt
def plot_func(x, y):
    x_s = x[1:] - y[:-1]
    y_s = y[1:] - x[:-1]
    plt.plot(x[1:], x_s / y_s)
x = np.linspace(-5, 5, 200)
y = np.exp(-x ** 2)
plt.plot(x, y)
plot_func(x, y)
plt.show()      

可以看到，盡管其中一個 plt.plot() 是在 plot_func 函數中調用的，它對圖形的呈現沒有任何影響，因為 plt.plot() 隻是聲明了我們要呈現的内容，但還沒有執行渲染。是以可以使用此特性結合 for 循環、條件判斷等文法完成複雜圖形的繪制，同時也可以在同一張圖中組合不同類型的統計圖。

讀取資料檔案繪制曲線圖

很多情況下資料都是存儲于檔案中，是以，需要首先讀取檔案中的資料，再進行繪制，說明起見，以 .txt 檔案為例，其他諸如 Excel、CSV 檔案可以使用 pandas、numpy 等庫進行讀取。

假設存在 data.txt 檔案如下：

0 1
1 2
2 5
4 17
5 26
6 37      

讀取資料和繪制的代碼如下：

# read_txt.py
import matplotlib.pyplot as plt
x, y = [], []
for line in open('data.txt', 'r'):
    values = [float(s) for s in line.split()]
    x.append(values[0])
    y.append(values[1])
plt.plot(x, y)
plt.show()      

如果使用 Numpy 庫，其等效代碼可以寫為：

import matplotlib.pyplot as plt
import numpy as np
data = np.loadtxt('data.txt')
plt.plot(data[:,0], data[:,1])
plt.show()      

散點圖

當繪制曲線圖時，我們假設點與點之間存在序列關系。而散點圖是簡單地繪制點，它們之間并不存在連接配接。

import numpy as np
import matplotlib.pyplot as plt
data = np.random.rand(1000, 2)
plt.scatter(data[:,0], data[:,1])
plt.show()      

Tips：函數 plt.scatter() 的調用方式與 plt.plot() 完全相同，分别将點的x和y坐标作為輸入參數。

條形圖

條形圖具有豐富的表現形式，常見的類型包括單組條形圖，多組條形圖，堆積條形圖和對稱條形圖等。是以在

《Python-Matplotlib繪制條形圖》

中進行詳細介紹。

餅圖

餅圖可以用于對比數量間的相對關系：

import matplotlib.pyplot as plt
data = [10, 15, 30, 20]
plt.pie(data)
plt.show()      

Tips：plt.pie() 函數将一系列值作為輸入，将值傳遞給matplolib，它就會自動計算各個值在餅圖中的相對面積，并進行繪制。

直方圖

直方圖是機率分布的圖形表示。事實上，直方圖隻是一種特殊的條形圖。我們可以很容易地使用 matplotlib 的條形圖函數，并進行一些統計運算來生成直方圖。但是，直方圖非常有用，是以 matplotlib 提供了一個更加友善的函數：

import numpy as np
import matplotlib.pyplot as plt
x = np.random.randn(1024)
plt.hist(x, bins = 20)
plt.show()      

Tips：plt.hist() 函數的作用是：擷取一系列值作為輸入。值的範圍将被劃分為大小相等的範圍（預設情況下數量為10），然後生成條形圖，一個範圍對應一個條柱，一個條柱的高度是相應範圍内中的值的數量，條柱的數量由可選參數 bins 确定。

箱形圖

箱形圖可以通過友善地顯示一組值的中位數、四分位數、最大值和最小值來比較值的分布。

import numpy as np
import matplotlib.pyplot as plt
data = np.random.randn(200)
plt.boxplot(data)
plt.show()      

Tips：plt.boxplot() 函數的作用是：擷取一組值，并自動計算平均值、中位數和其他統計量。

箱形圖描述：

1. 圖中黃線是分布的中位數。

2. 方形箱框包括從下四分位數 Q1 到上四分位數 Q3 的 50% 的資料。

3. 下盒須的下四分位延伸到 1.5(Q3-Q1)。

4. 上盒須從上四分位延伸至 1.5(Q3-Q1)。

5. 離盒須較遠的數值用圓圈标記。

要在單個圖形中繪制多個箱形圖，對每個箱形圖調用一次 plt.boxplot() 是不可行。它會将所有箱形圖畫在一起，形成一個混亂的、不可讀的圖形。如果想要到達符合要求的效果，隻需在一次調用 plt.boxplot() 中，同時繪制多個箱形圖即可，如下所示：

import numpy as np
import matplotlib.pyplot as plt
data = np.random.randn(200, 6)
plt.boxplot(data)
plt.show()      

三角網格圖

處理空間位置時會出現網格圖。除了顯示點之間的距離和鄰域關系外，三角網格圖也是表示地圖的一種友善方法。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.tri as tri
data = np.random.rand(200, 2)
triangles = tri.Triangulation(data[:,0], data[:,1])
plt.triplot(triangles)
plt.show()