matplotlib实践过程总结

通过本手册，你将收获以下知识：

matplotlib 及环境配置
数据图的组成结构，与 matplotlib 对应的名称
常见的数据绘图类型，与绘制方法

您可能需要以下的准备与先修知识：

Python开发环境及matplotlib工具包
Python基础语法
Python numpy 包使用
1.matplotlib 安装配置

linux可以通过以下方式安装matplotlib
```
sudo pip install numpy
sudo pip install scipy
sudo pip install matplotlib
```
windows强烈推荐大家使用anaconda

2.一幅可视化图的基本结构

通常，使用 numpy 组织数据, 使用 matplotlib API 进行数据图像绘制。一幅数据图基本上包括如下结构：
- Data: 数据区，包括数据点、描绘形状
- Axis: 坐标轴，包括 X 轴、 Y 轴及其标签、刻度尺及其标签
- Title: 标题，数据图的描述
- Legend: 图例，区分图中包含的多种曲线或不同分类的数据
其他的还有图形文本 (Text)、注解 (Annotate)等其他描述

3.画法

下面以常规图为例，详细记录作图流程及技巧。按照绘图结构，可将数据图的绘制分为如下几个步骤：

导入 matplotlib 包相关工具包
准备数据，numpy 数组存储
绘制原始曲线
配置标题、坐标轴、刻度、图例
添加文字说明、注解
显示、保存绘图结果

下面是一个包含cos、sin、sqrt函数的完整图像：

3.1导包

会用到 matplotlib.pyplot、pylab 和 numpy

In [3]:

#coding:utf-8

%matplotlib inline

import numpy as np

import matplotlib.pyplot as plt

from pylab import *

3.2准备数据

numpy 常用来组织源数据:

In [2]:

# 定义数据部分

x = np.arange(0., 10, 0.2)

y1 = np.cos(x)

y2 = np.sin(x)

y3 = np.sqrt(x)

#x = all_df['house_age']

#y = all_df['house_price']

3.3绘制基本曲线

使用 plot 函数直接绘制上述函数曲线，可以通过配置 plot 函数参数调整曲线的样式、粗细、颜色、标记等：

In [3]:

# 绘制 3 条函数曲线

# $y=\sqrt{x}$

plt.rcParams["figure.figsize"] = (12,8)

plt.plot(x, y1, color='blue', linewidth=1.5, linestyle='-', marker='.', label=r'$y = cos{x}$')

plt.plot(x, y2, color='green', linewidth=1.5, linestyle='-', marker='*', label=r'$y = sin{x}$')

plt.plot(x, y3, color='m', linewidth=1.5, linestyle='-', marker='x', label=r'$y = \sqrt{x}$')

Out[3]:

[<matplotlib.lines.Line2D at 0x7f8a7956e910>]

2.3.1 关于颜色的补充

主要是color参数：

r 红色
g 绿色
b 蓝色
c cyan
m 紫色
y 土黄色
k 黑色
w 白色

3.3.2 linestyle 参数

linestyle 参数主要包含虚线、点化虚线、粗虚线、实线，如下：

3.3.3 marker 参数

marker参数设定在曲线上标记的特殊符号，以区分不同的线段。常见的形状及表示符号如下图所示：

3.4 设置坐标轴

可通过如下代码，移动坐标轴 spines

In [6]:

# 坐标轴上移

ax = plt.subplot(111)

#ax = plt.subplot(2,2,1)

ax.spines['right'].set_color('none')     # 去掉右边的边框线

ax.spines['top'].set_color('none')       # 去掉上边的边框线

# 移动下边边框线，相当于移动 X 轴

ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data', 0))

# 移动左边边框线，相当于移动 y 轴

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data', 0))

可通过如下代码，设置刻度尺间隔 lim、刻度标签 ticks

In [7]:

# 设置 x, y 轴的刻度取值范围

plt.xlim(x.min()*1.1, x.max()*1.1)

plt.ylim(-1.5, 4.0)

# 设置 x, y 轴的刻度标签值

plt.xticks([2, 4, 6, 8, 10], [r'two', r'four', r'6', r'8', r'10'])

plt.yticks([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0],

    [r'-1.0', r'0.0', r'1.0', r'2.0', r'3.0', r'4.0'])

Out[7]:

([<matplotlib.axis.YTick at 0x1071a2250>,<matplotlib.axis.YTick at 0x10718d910>,<matplotlib.axis.YTick at 0x10729d810>,<matplotlib.axis.YTick at 0x107294910>,<matplotlib.axis.YTick at 0x10729dd10>,<matplotlib.axis.YTick at 0x1072a6390>],<a list of 6 Text yticklabel objects>)

可通过如下代码，设置 X、Y 坐标轴和标题：

In [2]:

# 设置标题、x轴、y轴

plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$', fontsize=19)

plt.xlabel(r'$the \ input \ value \ of \ x$', fontsize=18, labelpad=88.8)

plt.ylabel(r'$y = f(x)$', fontsize=18, labelpad=12.5)

NameErrorTraceback (most recent call last)
<ipython-input-2-2e1dc66cb03b> in <module>()
      1 # 设置标题、x轴、y轴
----> 2 plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$', fontsize=19)
      3 plt.xlabel(r'$the \ input \ value \ of \ x$', fontsize=18, labelpad=88.8)
      4 plt.ylabel(r'$y = f(x)$', fontsize=18, labelpad=12.5)NameError: name 'plt' is not defined

3.5 设置文字描述、注解

可通过如下代码，在数据图中添加文字描述 text：

In [19]:

plt.text(0.8, 0.9, r'$x \in [0.0, \ 10.0]$', color='k', fontsize=15)

plt.text(0.8, 0.8, r'$y \in [-1.0, \ 4.0]$', color='k', fontsize=15)

Out[19]:

<matplotlib.text.Text at 0x7f88cddfd950>

可通过如下代码，在数据图中给特殊点添加注解 annotate：

In [ ]:

# 特殊点添加注解

plt.scatter([8,],[np.sqrt(8),], 50, color ='m')  # 使用散点图放大当前点

plt.annotate(r'$2\sqrt{2}$', xy=(8, np.sqrt(8)), xytext=(8.5, 2.2), fontsize=16, color='#090909', arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=0.1', color='#090909'))

3.6 设置图例

可使用如下两种方式，给绘图设置图例：

1: 在 plt.plot 函数中添加 label 参数后，使用 plt.legend(loc=’up right’)
2: 不使用参数 label, 直接使用如下命令：

In [14]:

plt.legend(['cos(x)', 'sin(x)', 'sqrt(x)'], loc='upper right')

Out[14]:

<matplotlib.legend.Legend at 0x10d7893d0>

3.7 网格线开关

可使用如下代码，给绘图设置网格线：

In [ ]:

# 显示网格线

plt.grid(True)

3.8 显示与图像保存

In [ ]:

plt.show()    # 显示

#savefig('../figures/plot3d_ex.png',dpi=48)    # 保存，前提目录存在

4.完整的绘制程序

In [16]:

#coding:utf-8

import numpy as np

import matplotlib.pyplot as plt

from pylab import *

# 定义数据部分

x = np.arange(0., 10, 0.2)

y1 = np.cos(x)

y2 = np.sin(x)

y3 = np.sqrt(x)

# 绘制 3 条函数曲线

plt.plot(x, y1, color='blue', linewidth=1.5, linestyle='-', marker='.', label=r'$y = cos{x}$')

plt.plot(x, y2, color='green', linewidth=1.5, linestyle='-', marker='*', label=r'$y = sin{x}$')

plt.plot(x, y3, color='m', linewidth=1.5, linestyle='-', marker='x', label=r'$y = \sqrt{x}$')

# 坐标轴上移

ax = plt.subplot(111)

ax.spines['right'].set_color('none')     # 去掉右边的边框线

ax.spines['top'].set_color('none')       # 去掉上边的边框线

# 移动下边边框线，相当于移动 X 轴

ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data', 0))

# 移动左边边框线，相当于移动 y 轴

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data', 0))

# 设置 x, y 轴的取值范围

plt.xlim(x.min()*1.1, x.max()*1.1)

plt.ylim(-1.5, 4.0)

# 设置 x, y 轴的刻度值

plt.xticks([2, 4, 6, 8, 10], [r'2', r'4', r'6', r'8', r'10'])

plt.yticks([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0],

    [r'-1.0', r'0.0', r'1.0', r'2.0', r'3.0', r'4.0'])

# 添加文字

plt.text(0.8, 0.8, r'$x \in [0.0, \ 10.0]$', color='k', fontsize=15)

plt.text(0.8, 0.9, r'$y \in [-1.0, \ 4.0]$', color='k', fontsize=15)

# 特殊点添加注解

plt.scatter([8,],[np.sqrt(8),], 50, color ='m')  # 使用散点图放大当前点

plt.annotate(r'$2\sqrt{2}$', xy=(8, np.sqrt(8)), xytext=(8.5, 2.2), fontsize=16, color='#090909', arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=0.1', color='#090909'))

# 设置标题、x轴、y轴

plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$', fontsize=19)

plt.xlabel(r'$the \ input \ value \ of \ x$', fontsize=18, labelpad=88.8)

plt.ylabel(r'$y = f(x)$', fontsize=18, labelpad=12.5)

# 设置图例及位置

plt.legend(loc='up right')

# plt.legend(['cos(x)', 'sin(x)', 'sqrt(x)'], loc='up right')

# 显示网格线

plt.grid(True)

# 显示绘图

plt.show()

常用图形

细节看这里，看这里，看这里

曲线图：matplotlib.pyplot.plot(data)
灰度图：matplotlib.pyplot.hist(data)
散点图：matplotlib.pyplot.scatter(data)
箱式图：matplotlib.pyplot.boxplot(data)

In [17]:

x = np.arange(-5,5,0.1)

y = x ** 2

plt.plot(x,y)

Out[17]:

[<matplotlib.lines.Line2D at 0x1070d2d90>]

In [18]:

x = np.random.normal(size=1000)

plt.hist(x, bins=10)

Out[18]:

(array([   4.,   22.,   77.,  172.,  293.,  256.,  123.,   39.,   10.,    4.]),array([-3.4162938 , -2.70033058, -1.98436735, -1.26840412, -0.5524409 ,0.16352233,  0.87948555,  1.59544878,  2.31141201,  3.02737523,3.74333846]),<a list of 10 Patch objects>)

In [26]:

plt.rcParams["figure.figsize"] = (8,8)

x = np.random.normal(size=1000)

y = np.random.normal(size=1000)

plt.scatter(x,y)

Out[26]:

<matplotlib.collections.PathCollection at 0x7f885eef2290>

In [20]:

plt.boxplot(x)

Out[20]:

{'boxes': [<matplotlib.lines.Line2D at 0x10e90ea50>],'caps': [<matplotlib.lines.Line2D at 0x10e91c950>,<matplotlib.lines.Line2D at 0x10e91cf90>],'fliers': [<matplotlib.lines.Line2D at 0x10e928c50>],'means': [],'medians': [<matplotlib.lines.Line2D at 0x10e928610>],'whiskers': [<matplotlib.lines.Line2D at 0x10e90ec10>,<matplotlib.lines.Line2D at 0x10e91c310>]}

箱式图科普

上边缘（Q3+1.5IQR）、下边缘（Q1-1.5IQR）、IQR=Q3-Q1
上四分位数（Q3）、下四分位数（Q1）
中位数
异常值
处理异常值时与3σσ标准的异同：统计边界是否受异常值影响、容忍度的大小。