1 引言

在上一节中我们介绍了使用matplotlib进行数据可视化的几种表现方法,包括折线图、散点图、饼状图以及柱状图等, 今天我们来继续学习matplotlib的高级用法,主要包括网络图,流动图以及圆弧图，那么我们开始吧。。。

2 网络图

分散式网络: 中心化网络和分布式网络的混合体,在这种类型的网络中，少量节点的攻击会降低或破坏整个网络系统的性能.
分布式网络: 分布式网络具有抵御攻击的能力，即使在攻击后部分节点无法对网络作出贡献后，该网络仍将继续运行。这与中心化网络不同，中心化网络在中心节点受到攻击时可能会立刻破坏整个网络性能。

可视化结果:

分散式网络：左上分散式网络图显示。
分布式网络：右上分布式网络图显示，通过三角剖分方法开发分布式网络显示。主要使用triplot()函数,绘制非结构化的三角形网格。

代码如下：

def test1():# datapn, cn = 64, 8px = np.random.normal(0, 1, pn)py = np.random.normal(0, 1, pn)cx = np.random.normal(0, 1, cn)cx = np.insert(cx, 0, 0)cy = np.random.normal(0, 1, cn)cy = np.insert(cy, 0, 0)angle = (np.arctan2(py, px) + np.pi) / (2 * np.pi)# paramdistrib = tri.Triangulation(np.concatenate([px, cx]),np.concatenate([py, cy]))cmapRede = cm.get_cmap('hsv')fig, (axA, axB) = plt.subplots(1, 2)# left: draw each pt to the nearest center ptfor s, t in zip(px, py):dist = ((s - cx) ** 2 + (t - cy) ** 2) ** 0.5csel = dist <= dist.min()for u, v in zip(cx[csel], cy[csel]):axA.plot([s, u], [t, v], color='black', alpha=0.5,linewidth=1, zorder=1)# left: draw each center to (0,0)for u, v in zip(cx, cy):if u or v:axA.plot([u, 0], [v, 0], color='black', alpha=0.25,linewidth=2, zorder=1)axA.scatter(px, py, c=cmapRede(angle), zorder=2)axA.scatter(cx, cy, color='black', s=64, zorder=2)axA.set_title('decentralized_network')# rightaxB.triplot(distrib, color='black', alpha=0.5, linewidth=1, zorder=1)axB.scatter(px, py, c=cmapRede(angle), zorder=2)axB.scatter(cx, cy, color='black', s=64, zorder=2)axB.set_title('distributed_network')plt.show()

triplot(*args, **kwargs)

参数：此方法接受以下描述的参数：

x, y:这些参数是要绘制的数据的x和y坐标。
triangulation:此参数是matplotlib.tri.Triangulation对象。
**kwargs:此参数是文本属性，用于控制标签的外观。

3 流动图

给定路径,使用matplotlib中的Path模块,按照对应的路径上的控制点绘制相应的三次贝塞尔曲线图.

可视化结果:

上图水平流向图可视化效果

代码如下:

def test2():# dataflowcolecao = np.array(list('αβγδε'))n = len(colecao)indices = np.arange(n)sel = lambda x: np.random.choice(x, 16)mapa = np.array([sel(np.delete(indices, i)) for i in indices])rede = colecao[mapa]# paramfrom matplotlib.path import Pathimport matplotlib.patches as patchespontos = [Path.MOVETO, Path.CURVE4, Path.CURVE4, Path.CURVE4]paleta = cm.get_cmap('gist_rainbow')fig, axA = plt.subplots(1, 1)# Flow horizontalgetPy = lambda x: (1 - x / n) - 0.1for i, e in enumerate(colecao):conx, cont = np.unique(rede[i], return_counts=True)yo = getPy(i)*cor, _ = paleta(i / n)axA.text(-0.01, yo, e, ha='right', color=cor,fontsize=16, fontweight='bold')axA.text(1.01, yo, e, ha='left', color=cor,fontsize=16, fontweight='bold')for cx, ct in zip(conx, cont):yi = getPy(np.where(colecao == cx)[0])verts = [(0.0, yo), (0.5, yo), (0.5, yi), (1, yi)]path = Path(verts, pontos)patch = patches.PathPatch(path, facecolor='none', edgecolor=cor,lw=ct ** 2, alpha=1 / ct)axA.add_patch(patch)axA.set_title('Flow Horizontal')axA.axis('off')plt.show()

PathPatch(path, **kwargs)

path: 路径是 matplotlib.path.Path Object 。
facecolor: 背景颜色
edgecolor: 边缘颜色
lw: linewidth 指定线的粗细
alpha: 指定线的透明度

Path(vertices, codes=None)

vertices: 是指的是路径path所经过的关键点的一系列坐标（x,y)
codes指的是点与点之间到底是怎么连接的,取值如下:
– MOVETO : 拿起钢笔, 移动到给定的顶点。一般指的是 “起始点”
– LINETO : 从当前位置绘制直线到给定顶点。
– CURVE3 : 从当前位置 (用给定控制点) 绘制一个二次贝塞尔曲线到给定端点。
– CURVE4 : 从当前位置 (与给定控制点) 绘制三次贝塞尔曲线到给定端点。
– CLOSEPOLY : 将线段绘制到当前折线的起始点。
– STOP : 整个路径末尾的标记 (当前不需要和忽略)

4 圆弧图

给定圆弧路径,使用matplotlib中的Path模块,按照对应的路径绘制相应的圆弧路径图.

可视化结果:

图弧图：左上弧图显示。
径向收敛图：右上径向收敛图可视化。

代码如下:

def test3():# datan = 17indices = np.arange(n)sel = lambda x: np.random.choice(x, n // 4)mapa = np.array([sel(np.delete(indices, i)) for i in indices])rede = indices[mapa]# paramcmapArco = cm.get_cmap('rainbow')fig, (axA, axB) = plt.subplots(1, 2)# ArcgetPx = lambda x: x / (n - 1)pontos = [Path.MOVETO, Path.CURVE4, Path.CURVE4, Path.CURVE4]for i, e in enumerate(indices):conx, cont = np.unique(rede[i], return_counts=True)xo = getPx(i)*cor, _ = cmapArco(i / n)for cx, ct in zip(conx, cont):xi = getPx(np.where(indices == cx)[0])yoi = (xi - xo) * 2 ** 0.5verts = [(xo, 0), (xo, yoi), (xi, yoi), (xi, 0)]path = Path(verts, pontos)patch = patches.PathPatch(path, facecolor='none', edgecolor=cor,lw=0.5 * ct ** 3, alpha=1 / ct)axA.add_patch(patch)axA.scatter(indices / (n - 1), indices * 0, color=cmapArco(indices / n),marker='s', s=256, zorder=2)axA.set_title('Arc')axA.set_xlim([-0.05, 1.05])axA.set_ylim([-1.2, 1.2])axA.axis('off')# Convergence radialgetTheta = lambda x: 2 * np.pi * x / nfor i, e in enumerate(indices):conx, cont = np.unique(rede[i], return_counts=True)thetao = getTheta(i)xo = np.sin(thetao)yo = np.cos(thetao)*cor, _ = cmapArco(i / n)for cx, ct in zip(conx, cont):thetai = getTheta(np.where(indices == cx)[0])xi = np.sin(thetai)yi = np.cos(thetai)xm = (xo + xi) * 0.5ym = (yo + yi) * 0.5verts = [(xo, yo), ((xo + xm * 0.25) * 0.5, (yo + ym * 0.25) * 0.5),((xi + xm * 0.25) * 0.5, (yi + ym * 0.25) * 0.5), (xi, yi)]path = Path(verts, pontos)patch = patches.PathPatch(path, facecolor='none', edgecolor=cor,lw=ct ** 3, alpha=1 / ct)axB.add_patch(patch)axB.scatter(np.sin(getTheta(indices)), np.cos(getTheta(indices)),color=cmapArco(indices / n), s=512, zorder=2)axB.set_title('Convergence radial')axB.set_xlim([-1.2, 1.2])axB.set_ylim([-1.2, 1.2])axB.axis('off')plt.show()

5 终极法宝

看代码是不是一脸懵,很多童鞋估计还是不太理解贝塞尔曲线中控制点的作用…

使用matplotlib让你的数据更加生动(三)相关推荐

c#split方法拆分为数据_Dexplot：基于pandas，比matplotlib更简单的数据可视化和数据分析工具...
Dexplot:建议准备学matplotlib和seaborn的数据可视化新手或者数据可视化爱好者食用适用于长数据比如网站用户留言的统计特色是不用matplotlib 而用pandas导入数据( ...
python动态图形_利用matplotlib实现根据实时数据动态更新图形
我就废话不多说了,直接上代码吧! from time import sleep from threading importThread import numpy as np import matplo ...
Python: 除matplotlib外还有哪些数据可视化库？
Python: 除matplotlib外还有哪些数据可视化库? matplotlib算是python比较底层的可视化库,可定制性强.图表资源丰富.简单易用.达到出版质量级别. 其它的可视化库诸如: s ...
使用matplotlib绘图时出现数据重复重叠问题
使用matplotlib绘图时出现数据重复重叠问题问题如下: 写了一个使用matplotlib绘图的函数,功能主要是绘图然后保存为图片.但在for循环中调用这个函数时会导致第二次循环时绘制的图是在第 ...
【机器学习】python使用matplotlib进行二维数据绘图并保存为png图片
端到端机器学习导航: [机器学习]python借助pandas加载并显示csv数据文件,并绘制直方图 [机器学习]python使用matplotlib进行二维数据绘图并保存为png图片 [机器学习]p ...
[数据可视化]使用matplotlib对CSV文件数据进行绘图
[数据可视化]使用matplotlib对CSV文件数据进行绘图使用CSV格式的锡特卡天气数据绘制2018年1月1日的天气数据,先放成果: 代码部分包括以下内容: 分析CSV文件头打印文件头及其位 ...
2021年大数据ELK（三）：Lucene全文检索库介绍
全网最详细的大数据ELK文章系列,强烈建议收藏加关注! 新文章都已经列出历史文章目录,帮助大家回顾前面的知识重点. 目录系列历史文章一.什么是全文检索 1.结构化数据与非结构化数据 2.搜索结构化 ...
2021年大数据Kafka（三）：❤️Kafka的集群搭建以及shell启动命令脚本编写❤️
全网最详细的大数据Kafka文章系列,强烈建议收藏加关注! 新文章都已经列出历史文章目录,帮助大家回顾前面的知识重点. 目录系列历史文章 Kafka的集群搭建以及shell启动命令脚本编写一.搭建 ...
2021年大数据HBase（三）：HBase数据模型！！！【建议收藏】
全网最详细的大数据HBase文章系列,强烈建议收藏加关注! 新文章都已经列出历史文章目录,帮助大家回顾前面的知识重点. 目录系列历史文章前言 Hbase数据模型术语: 系列历史文章 2021年大 ...

使用matplotlib让你的数据更加生动(三)

1 引言

2 网络图

3 流动图

4 圆弧图

5 终极法宝

使用matplotlib让你的数据更加生动(三)相关推荐

最新文章

热门文章