歡迎光臨
每天分享高質量文章

Python 繪圖庫 Matplotlib 入門教程

(點擊上方公眾號,可快速關註)


來源:強波的技術博客

qiangbo.space/2018-04-06/matplotlib_l1/


Matplotlib是一個Python語言的2D繪圖庫,它支持各種平臺,並且功能強大,能夠輕易繪製出各種專業的圖像。本文是對它的一個入門教程。

運行環境


由於這是一個Python語言的軟體包,因此需要你的機器上首先安裝好Python語言的環境。關於這一點,請自行在網絡上搜索獲取方法。

關於如何安裝Matplotlib請參見這裡:Matplotlib Installing。

筆者推薦大家通過pip的方式進行安裝,具體方法如下:

sudo pip3 install matplotlib


本文的代碼在如下環境中測試:


  • Apple OS X 10.13

  • Python 3.6.3

  • matplotlib 2.1.1

  • numpy 1.13.3


介紹


Matplotlib適用於各種環境,包括:


  • Python腳本

  • IPython shell

  • Jupyter notebook

  • Web應用服務器

  • 用戶圖形界面工具包


使用Matplotlib,能夠的輕易生成各種型別的圖像,例如:直方圖,波譜圖,條形圖,散點圖等。並且,可以非常輕鬆的實現定製。


入門代碼示例


下麵我們先看一個最簡單的代碼示例,讓我們感受一下Matplotlib是什麼樣的:

# test.py

 

import matplotlib.pyplot as plt

import numpy as np

 

data = np.arange(100, 201)

plt.plot(data)

plt.show()

這段代碼的主體邏輯只有三行,但是它卻繪製出了一個非常直觀的線性圖,如下所示:



對照著這個線形圖,我們來講解一下三行代碼的邏輯:


  1. 通過np.arange(100, 201)生成一個[100, 200]之間的整數陣列,它的值是:[100, 101, 102, … , 200]

  2. 通過matplotlib.pyplot將其繪製出來。很顯然,繪製出來的值對應了圖中的縱坐標(y軸)。而matplotlib本身為我們設置了圖形的橫坐標(x軸):[0, 100],因為我們剛好有100個數值

  3. 通過plt.show()將這個圖形顯示出來


這段代碼非常的簡單,運行起來也是一樣。如果你已經有了本文的運行環境,將上面的代碼儲存到一個文本檔案中(或者通過Github獲取本文的原始碼),然後通過下麵的命令就可以在你自己的電腦上看到上面的圖形了:

python3 test.py

 

註1:後面的教程中,我們會逐步講解如何定製圖中的每一個細節。例如:坐標軸,圖形,著色,線條樣式,等等。

註2:如果沒有必要,下文的截圖會去掉圖形外側的邊框,只保留圖形主體。


一次繪製多個圖形


有些時候,我們可能希望一次繪製多個圖形,例如:兩組資料的對比,或者一組資料的不同展示方式等。


可以通過下麵的方法創建多個圖形:


多個figure


可以簡單的理解為一個figure就是一個圖形視窗。matplotlib.pyplot會有一個預設的figure,我們也可以通過plt.figure()創建更多個。如下麵的代碼所示:

# figure.py

 

import matplotlib.pyplot as plt

import numpy as np

 

data = np.arange(100, 201)

plt.plot(data)

 

data2 = np.arange(200, 301)

plt.figure()

plt.plot(data2)

 

plt.show()

這段代碼繪製了兩個視窗的圖形,它們各自是一個不同區間的線形圖,如下所示:


註:初始狀態這兩個視窗是完全重合的。


多個subplot


有些情況下,我們是希望在同一個視窗顯示多個圖形。此時就這可以用多個subplot。下麵是一段代碼示例:

# subplot.py

 

import matplotlib.pyplot as plt

import numpy as np

 

data = np.arange(100, 201)

plt.subplot(2, 1, 1)

plt.plot(data)

 

data2 = np.arange(200, 301)

plt.subplot(2, 1, 2)

plt.plot(data2)

 

plt.show()

這段代碼中,除了subplot函式之外都是我們熟悉的內容。subplot函式的前兩個引數指定了subplot數量,即:它們是以矩陣的形式來分割當前圖形,兩個整數分別指定了矩陣的行數和列數。而第三個引數是指矩陣中的索引。

因此,下麵這行代碼指的是:2行1列subplot中的第1個subplot。

plt.subplot(2, 1, 1)

 

下麵這行代碼指的是:2行1列subplot中的第2個subplot。

plt.subplot(2, 1, 2)

 

所以這段代碼的結果是這個樣子:



subplot函式的引數不僅僅支持上面這種形式,還可以將三個整數(10之內的)合併一個整數。例如:2, 1, 1可以寫成211,2, 1, 2可以寫成212。


因此,下麵這段代碼的結果是一樣的:

import matplotlib.pyplot as plt

import numpy as np

 

data = np.arange(100, 201)

plt.subplot(211)

plt.plot(data)

 

data2 = np.arange(200, 301)

plt.subplot(212)

plt.plot(data2)

 

plt.show()

subplot函式的詳細說明參見這裡:matplotlib.pyplot.subplot


常用圖形示例


Matplotlib可以生成非常多的圖形式樣,多到令人驚嘆的地步。大家可以在這裡:Matplotlib Gallery 感受一下。


本文作為第一次的入門教程,我們先來看看最常用的一些圖形的繪製。


線性圖


前面的例子中,線性圖的橫軸的點都是自動生成的,而我們很可能希望主動設置它。另外,線條我們可能也希望對其進行定製。看一下下麵這個例子:

# plot.py

 

import matplotlib.pyplot as plt

 

plt.plot([1, 2, 3], [3, 6, 9], ‘-r’)

plt.plot([1, 2, 3], [2, 4, 9], ‘:g’)

 

plt.show()

這段代碼可以讓我們得到這樣的圖形:



這段代碼說明如下:


  1. plot函式的第一個陣列是橫軸的值,第二個陣列是縱軸的值,所以它們一個是直線,一個是折線;

  2. 最後一個引數是由兩個字符構成的,分別是線條的樣式和顏色。前者是紅色的直線,後者是綠色的點線。關於樣式和顏色的說明請參見plot函式的API Doc:matplotlib.pyplot.plot


散點圖


scatter函式用來繪製散點圖。同樣,這個函式也需要兩組配對的資料指定x和y軸的坐標。下麵是一段代碼示例:

# scatter.py

 

import matplotlib.pyplot as plt

import numpy as np

 

N = 20

 

plt.scatter(np.random.rand(N) * 100,

            np.random.rand(N) * 100,

            c=‘r’, s=100, alpha=0.5)

 

plt.scatter(np.random.rand(N) * 100,

            np.random.rand(N) * 100,

            c=‘g’, s=200, alpha=0.5)

 

plt.scatter(np.random.rand(N) * 100,

            np.random.rand(N) * 100,

            c=‘b’, s=300, alpha=0.5)

 

plt.show()

這段代碼說明如下:


  1. 這幅圖包含了三組資料,每組資料都包含了20個隨機坐標的位置

  2. 引數c表示點的顏色,s是點的大小,alpha是透明度


這段代碼繪製的圖形如下所示:


scatter函式的詳細說明參見這裡:matplotlib.pyplot.scatter


餅狀圖


pie函式用來繪製餅狀圖。餅狀圖通常用來表達集合中各個部分的百分比。

# pie.py

 

import matplotlib.pyplot as plt

import numpy as np

 

labels = [‘Mon’, ‘Tue’, ‘Wed’, ‘Thu’, ‘Fri’, ‘Sat’, ‘Sun’]

 

data = np.random.rand(7) * 100

 

plt.pie(data, labels=labels, autopct=‘%1.1f%%’)

plt.axis(‘equal’)

plt.legend()

 

plt.show()

這段代碼說明如下:


  1. data是一組包含7個資料的隨機數值

  2. 圖中的標簽通過labels來指定

  3. autopct指定了數值的精度格式

  4. plt.axis(‘equal’)設置了坐標軸大小一致

  5. plt.legend()指明要繪製圖例(見下圖的右上角)


這段代碼輸出的圖形如下所示:


pie函式的詳細說明參見這裡:matplotlib.pyplot.pie


條形圖


bar函式用來繪製條形圖。條形圖常常用來描述一組資料的對比情況,例如:一周七天,每天的城市車流量。


下麵是一個代碼示例:

# bar.py

 

import matplotlib.pyplot as plt

import numpy as np

 

N = 7

 

x = np.arange(N)

data = np.random.randint(low=0, high=100, size=N)

colors = np.random.rand(N * 3).reshape(N,1)

labels = [‘Mon’, ‘Tue’, ‘Wed’, ‘Thu’, ‘Fri’, ‘Sat’, ‘Sun’]

 

plt.title(“Weekday Data”)

plt.bar(x, data, alpha=0.8, color=colors, tick_label=labels)

plt.show()

這段代碼說明如下:


  1. 這幅圖展示了一組包含7個隨機數值的結果,每個數值是[0, 100]的隨機數

  2. 它們的顏色也是通過隨機數生成的。np.random.rand(N * 3).reshape(N, -1)表示先生成21(N x 3)個隨機數,然後將它們組裝成7行,那麼每行就是三個數,這對應了顏色的三個組成部分。如果不理解這行代碼,請先學習一下Python 機器學習庫 NumPy 教程

  3. title指定了圖形的標題,labels指定了標簽,alpha是透明度


這段代碼輸出的圖形如下所示:


bar函式的詳細說明參見這裡:matplotlib.pyplot.bar


直方圖


hist函式用來繪製直方圖。直方圖看起來是條形圖有些類似。但它們的含義是不一樣的,直方圖描述了資料中某個範圍內資料出現的頻度。這麼說有些抽象,我們通過一個代碼示例來描述就好理解了:

# hist.py

 

import matplotlib.pyplot as plt

import numpy as np

 

data = [np.random.randint(0, n, n) for n in [3000, 4000, 5000]]

labels = [‘3K’, ‘4K’, ‘5K’]

bins = [0, 100, 500, 1000, 2000, 3000, 4000, 5000]

 

plt.hist(data, bins=bins, label=labels)

plt.legend()

 

plt.show()

上面這段代碼中,[np.random.randint(0, n, n) for n in [3000, 4000, 5000]]生成了包含了三個陣列的陣列,這其中:


  • 第一個陣列包含了3000個隨機數,這些隨機數的範圍是 [0, 3000)

  • 第二個陣列包含了4000個隨機數,這些隨機數的範圍是 [0, 4000)

  • 第三個陣列包含了5000個隨機數,這些隨機數的範圍是 [0, 5000)


bins陣列用來指定我們顯示的直方圖的邊界,即:[0, 100) 會有一個資料點,[100, 500)會有一個資料點,以此類推。所以最終結果一共會顯示7個資料點。同樣的,我們指定了標簽和圖例。


這段代碼的輸出如下圖所示:



在這幅圖中,我們看到,三組資料在3000以下都有資料,並且頻度是差不多的。但藍色條只有3000以下的資料,橙色條只有4000以下的資料。這與我們的隨機陣列資料剛好吻合。


hist函式的詳細說明參見這裡:matplotlib.pyplot.hist


結束語


通過本文,我們已經知道了Matplotlib的大致使用方法和幾種最基本的圖形的繪製方式。


需要說明的是,由於是入門教程,因此本文中我們只給出了這些函式和圖形最基本的使用方法。但實際上,它們的功能遠不止這麼簡單。因此本文中我們貼出了這些函式的API地址以便讀者進一步的研究。

看完本文有收穫?請轉發分享給更多人

關註「資料分析與開發」,提升資料技能

赞(0)

分享創造快樂