可视化利器-matplotlib

布满荆棘的人生 2022-05-30 01:16 264阅读 0赞

matplotlb是一个可视化绘图库，其强大，接口多，可以直观了解数据

尽量使用numpy.array绘制，图像基本构成：

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

常用图形：

官方文档   [https://matplotlib.org/api/pyplot\_api.html][https_matplotlib.org_api_pyplot_api.html]

曲线图：matplotlib.pyplot.plot(data)

灰度/直方图：matplotlib.pyplot.hist(data)

散点图：matplotlib.pyplot.scatter(data)

箱式/箱线图：matplotlib.pyplot.boxplot(data)

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

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

linestyle 参数主要包含虚线、点化虚线、粗虚线、实线，如下：

设置图像尺寸：

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

绘图案例：

ax1=plt.subplot(2,2,1)\#子图1

ax2=plt.subplot(2,2,2)\#子图2

\# 轴取值范围

ax1.set\_xlim(x.min()\*1.1, x.max()\*1.1)

ax1.set\_ylim(-1.5,1.5)

\# 设置 x, y 轴的刻度值

ax1.set\_xticks(\[2, 4, 6, 8, 10\], \[r'TWO', r'4', r'6', r'8', r'10'\])

ax1.set\_yticks(\[-1.0, 0.0, 1.0, 2.0, 3.0, 4.0\],

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

ax1.spines\['right'\].set\_color('none') \# 去掉右边的边框线

ax1.spines\['top'\].set\_color('none')

ax1.xaxis.set\_ticks\_position('bottom') \#移动坐标轴x

ax1.spines\['bottom'\].set\_position(('data', 0))

\# 移动左边边框线，相当于移动 y 轴

ax1.yaxis.set\_ticks\_position('left')

ax1.spines\['left'\].set\_position(('data', 0)) \#移动坐标轴y

ax1.plot(x,y1,color='b')\# 绘制图1

ax1.set\_title(r'$y = \\sin(x)$')\# 子图1 title

ax2.plot(x,y3)

ax2.set\_title(r'$y = \\sqrt\{x\}$')

ax1.text(8,-0.75,r'$x \\in R$')

ax1.text(8,-1,r'$y \\in R$') \#\\in 转义为 ∈

\# 绘制散点，作为标注

ax1.scatter(2,np.sin(2),50, color ='m')

t = '(2,'+str(round(np.sin(2),2))+')' \# 标注文本内容

ax1.annotate(t,xy=(2,np.sin(2)),xytext=(4, 0.75), fontsize=10, color='\#090909',arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=0.1', color='\#090909'))

ax1.grid(True) \#网格

output：

注意：

总图函数一般直接调用，如plt.title,子图需要加set\_xx,如ax1.set\_titile.

#### 箱式图科普 ####

箱式图又名箱线图，主要用于观察数据集中点以及观察误差点，箱式图构成：

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3 σ 标准的异同：统计边界是否受异常值影响、容忍度的大小

**各常用图形绘图代码**

图形选择：

关联分析、数值比较：散点图、曲线图

分布分析：灰度图、密度图

涉及分类的分析：柱状图、箱式图

各类图形绘图代码封装：

散点图

from matplotlib import font\_manager

fontP = font\_manager.FontProperties()

fontP.set\_family('SimHei')

fontP.set\_size(14)

\# 包装一个散点图的函数便于复用

def scatterplot(x\_data, y\_data, x\_label, y\_label, title):

\# 创建一个绘图对象

fig, ax = plt.subplots()

\# 设置数据、点的大小、点的颜色和透明度

ax.scatter(x\_data, y\_data, s = 10, color = '\#539caf', alpha = 0.75) \#[http://www.114la.com/other/rgb.htm][http_www.114la.com_other_rgb.htm]

\# 添加标题和坐标说明

ax.set\_title(title)

ax.set\_xlabel(x\_label)

ax.set\_ylabel(y\_label)

曲线图

\# 包装曲线绘制函数

def lineplot(x\_data, y\_data, x\_label, y\_label, title):

\# 创建绘图对象

\_, ax = plt.subplots()

\# 绘制拟合曲线，lw=linewidth，alpha=transparancy

ax.plot(x\_data, y\_data, lw = 2, color = '\#539caf', alpha = 1)

\# 添加标题和坐标说明

ax.set\_title(title)

ax.set\_xlabel(x\_label)

ax.set\_ylabel(y\_label)

带置信区间曲线图

def lineplotCI(x\_data, y\_data, sorted\_x, low\_CI, upper\_CI, x\_label, y\_label, title):

\# 创建绘图对象

\_, ax = plt.subplots()

\# 绘制预测曲线

ax.plot(x\_data, y\_data, lw = 1, color = '\#539caf', alpha = 1, label = 'Fit')

\# 绘制置信区间，顺序填充

ax.fill\_between(sorted\_x, low\_CI, upper\_CI, color = '\#539caf', alpha = 0.4, label = '95% CI')

\# 添加标题和坐标说明

ax.set\_title(title)

ax.set\_xlabel(x\_label)

ax.set\_ylabel(y\_label)

\# 显示图例，配合label参数，loc=“best”自适应方式

ax.legend(loc = 'best')

双坐标曲线图

\# 双纵坐标绘图函数

def lineplot2y(x\_data, x\_label, y1\_data, y1\_color, y1\_label, y2\_data, y2\_color, y2\_label, title):

\_, ax1 = plt.subplots()

ax1.plot(x\_data, y1\_data, color = y1\_color)

\# 添加标题和坐标说明

ax1.set\_ylabel(y1\_label, color = y1\_color)

ax1.set\_xlabel(x\_label)

ax1.set\_title(title)

ax2 = ax1.twinx() \# 两个绘图对象共享横坐标轴

ax2.plot(x\_data, y2\_data, color = y2\_color)

ax2.set\_ylabel(y2\_label, color = y2\_color)

\# 右侧坐标轴可见

ax2.spines\['right'\].set\_visible(True)

ax1 = plt.subplot()

ax1.plot(x,np.sin(x))

ax2=ax1.twinx()

ax2.plot(x,np.cos(x))

灰度图

\# 绘制灰度图的函数

def histogram(data, x\_label, y\_label, title):

\_, ax = plt.subplots()

res = ax.hist(data, color = '\#539caf', bins=10) \# 设置bin的数量

ax.set\_ylabel(y\_label)

ax.set\_xlabel(x\_label)

ax.set\_title(title)

return res

堆叠直方图

\# 绘制堆叠的直方图

def overlaid\_histogram(data1, data1\_name, data1\_color, data2, data2\_name, data2\_color, x\_label, y\_label, title):

\# 归一化数据区间，对齐两个直方图的bins

max\_nbins = 10

data\_range = \[min(min(data1), min(data2)), max(max(data1), max(data2))\]

binwidth = (data\_range\[1\] - data\_range\[0\]) / max\_nbins

bins = np.arange(data\_range\[0\], data\_range\[1\] + binwidth, binwidth) \# 生成直方图bins区间

\# Create the plot

\_, ax = plt.subplots()

ax.hist(data1, bins = bins, color = data1\_color, alpha = 1, label = data1\_name)

ax.hist(data2, bins = bins, color = data2\_color, alpha = 0.75, label = data2\_name)

ax.set\_ylabel(y\_label)

ax.set\_xlabel(x\_label)

ax.set\_title(title)

ax.legend(loc = 'best')

密度图

\# 绘制密度估计曲线

def densityplot(x\_data, density\_est, x\_label, y\_label, title):

\_, ax = plt.subplots()

ax.plot(x\_data, density\_est(x\_data), color = '\#539caf', lw = 2)

ax.set\_ylabel(y\_label)

ax.set\_xlabel(x\_label)

ax.set\_title(title)

柱状图

\# 定义绘制柱状图的函数

def barplot(x\_data, y\_data, error\_data, x\_label, y\_label, title):

\_, ax = plt.subplots()

\# 柱状图

ax.bar(x\_data, y\_data, color = '\#539caf', align = 'center')

\# 绘制方差

\# ls='none'去掉bar之间的连线

ax.errorbar(x\_data, y\_data, yerr = error\_data, color = '\#297083', ls = 'none', lw = 5)

ax.set\_ylabel(y\_label)

ax.set\_xlabel(x\_label)

ax.set\_title(title)

堆积柱状图

\# 绘制堆积柱状图

def stackedbarplot(x\_data, y\_data\_list, y\_data\_names, colors, x\_label, y\_label, title):

\_, ax = plt.subplots()

\# 循环绘制堆积柱状图

for i in range(0, len(y\_data\_list)):

if i == 0:

ax.bar(x\_data, y\_data\_list\[i\], color = colors\[i\], align = 'center', label = y\_data\_names\[i\])

else:

\# 采用堆积的方式，除了第一个分类，后面的分类都从前一个分类的柱状图接着画

\# 用归一化保证最终累积结果为1

ax.bar(x\_data, y\_data\_list\[i\], color = colors\[i\], bottom = y\_data\_list\[i - 1\], align = 'center', label = y\_data\_names\[i\])

ax.set\_ylabel(y\_label)

ax.set\_xlabel(x\_label)

ax.set\_title(title)

ax.legend(loc = 'upper right') \# 设定图例位置

分组柱状图

\# 绘制分组柱状图的函数

def groupedbarplot(x\_data, y\_data\_list, y\_data\_names, colors, x\_label, y\_label, title):

\_, ax = plt.subplots()

\# 设置每一组柱状图的宽度

total\_width = 0.8

\# 设置每一个柱状图的宽度

ind\_width = total\_width / len(y\_data\_list)

\# 计算每一个柱状图的中心偏移

alteration = np.arange(-total\_width/2+ind\_width/2, total\_width/2+ind\_width/2, ind\_width)

\# 分别绘制每一个柱状图

for i in range(0, len(y\_data\_list)):

\# 横向散开绘制

ax.bar(x\_data + alteration\[i\], y\_data\_list\[i\], color = colors\[i\], label = y\_data\_names\[i\], width = ind\_width)

ax.set\_ylabel(y\_label)

ax.set\_xlabel(x\_label)

ax.set\_title(title)

ax.legend(loc = 'upper right')

箱式图

\# 定义绘图函数

def boxplot(x\_data, y\_data, base\_color, median\_color, x\_label, y\_label, title):

\_, ax = plt.subplots()

\# 设置样式

ax.boxplot(y\_data

\# 箱子是否颜色填充

, patch\_artist = True

\# 中位数线颜色

, medianprops = \{'color': base\_color\}

\# 箱子颜色设置，color：边框颜色，facecolor：填充颜色

, boxprops = \{'color': base\_color, 'facecolor': median\_color\}

\# 猫须颜色whisker

, whiskerprops = \{'color': median\_color\}

\# 猫须界限颜色whisker cap

, capprops = \{'color': base\_color\})

\# 箱图与x\_data保持一致

ax.set\_xticklabels(x\_data)

ax.set\_ylabel(y\_label)

ax.set\_xlabel(x\_label)

ax.set\_title(title)

[https_matplotlib.org_api_pyplot_api.html]: https://matplotlib.org/api/pyplot_api.html
[http_www.114la.com_other_rgb.htm]: http://www.114la.com/other/rgb.htm