手把手教你用Matplotlib實(shí)現(xiàn)數(shù)據(jù)可視化

更新時間：2022年02月24日 09:35:29 作者：我想養(yǎng)只貓

Matplotlib是支持?Python語言的開源繪圖庫，因為其支持豐富的繪圖類型、簡單的繪圖方式以及完善的接口文檔，深受?Python?工程師、科研學(xué)者、數(shù)據(jù)工程師等各類人士的喜歡。本文將詳細(xì)為大家介紹如何用Matplotlib實(shí)現(xiàn)數(shù)據(jù)可視化，需要的可以參考一下

介紹

在使用機(jī)器學(xué)習(xí)方法解決問題的過程中，一定會遇到需要針對數(shù)據(jù)進(jìn)行繪圖的場景。

Matplotlib 是支持 Python 語言的開源繪圖庫，因為其支持豐富的繪圖類型、簡單的繪圖方式以及完善的接口文檔，深受 Python 工程師、科研學(xué)者、數(shù)據(jù)工程師等各類人士的喜歡

Matplotlib 擁有著十分活躍的社區(qū)以及穩(wěn)定的版本迭代，當(dāng)我們在學(xué)習(xí)機(jī)器學(xué)習(xí)的課程時，掌握 Matplotlib 的使用無疑是最重要的準(zhǔn)備工作之一

在使用 Notebook 環(huán)境繪圖時，需要先運(yùn)行 Jupyter Notebook 的魔術(shù)命令 %matplotlib inline

這條命令的作用是將 Matplotlib 繪制的圖形嵌入在當(dāng)前頁面中。而在桌面環(huán)境中繪圖時，不需要添加此命令，而是在全部繪圖代碼之后追加 plt.show()

簡單圖形繪制

使用 Matplotlib 提供的面向?qū)ο?API，需要導(dǎo)入 pyplot 模塊，并約定簡稱為 plt

快速上手

import  matplotlib.pyplot as plt
%matplotlib inline
plt.plot([1, 2, 3, 2, 1, 2, 3, 4, 5, 6, 5, 4, 3, 2, 1])

前面，我們從 Matplotlib 中導(dǎo)入了 pyplot 繪圖模塊，并將其簡稱為 plt

pyplot 模塊是 Matplotlib 最核心的模塊，幾乎所有樣式的 2D 圖形都是經(jīng)過該模塊繪制出來的

自定義X/Y軸

plt.plot() 是 pyplot 模塊下面的直線繪制（折線圖）方法類. 示例中包含了一個 [1, 2, 3, 2, 1, 2, 3, 4, 5, 6, 5, 4, 3, 2, 1] 列表，Matplotlib 會默認(rèn)將該列表作為 y 值，而 x 值會從 0 開始依次遞增。

當(dāng)然，如果你需要自定義橫坐標(biāo)值，只需要傳入兩個列表即可

plt.plot([1,2,3],
         [1, 2, 3])

圖表實(shí)現(xiàn)

匯總

上面演示了如何繪制一個簡單的折線圖

那么，除了折線圖，我們平常還要繪制柱狀圖、散點(diǎn)圖、餅狀圖等等. 這些圖應(yīng)該怎樣繪制呢？

pyplot 模塊中 pyplot.plot 方法是用來繪制折線圖的

你應(yīng)該會很容易聯(lián)想到，更改后面的方法類名就可以更改圖形的樣式。

的確，在 Matplotlib 中，大部分圖形樣式的繪制方法都存在于 pyplot 模塊中。例如：

方法	含義
matplotlib.pyplot.plot	折線圖
matplotlib.pyplot.angle_spectrum	電子波譜圖
matplotlib.pyplot.bar	柱狀圖
matplotlib.pyplot.barh	直方圖
matplotlib.pyplot.broken_barh	水平直方圖
matplotlib.pyplot.contour	等高線圖
matplotlib.pyplot.errorbar	誤差線
matplotlib.pyplot.hexbin	六邊形圖案
matplotlib.pyplot.hist	柱形圖
matplotlib.pyplot.hist2d	水平柱狀圖
matplotlib.pyplot.pie	餅狀圖
matplotlib.pyplot.quiver	量場圖
matplotlib.pyplot.scatter	散點(diǎn)圖
matplotlib.pyplot.specgram	光譜圖

下面，我們參考折線圖的繪制方法，嘗試?yán)L制幾個簡單的圖形。

正弦曲線圖

matplotlib.pyplot.plot(*args, **kwargs) 方法嚴(yán)格來講可以繪制線形圖或者樣本標(biāo)記

其中，*args 允許輸入單個 y 值或 x,y 值

例如，我們這里繪制一張自定義 x,y 的正弦曲線圖

import numpy as np

# 在 -2PI 和 2PI 之間等間距生成 1000 個值，也就是 X 坐標(biāo)
X = np.linspace(-2*np.pi, 2*np.pi, 1000)
# 計算 y 坐標(biāo)
y = np.sin(X)

# 向方法中 `*args` 輸入 X，y 坐標(biāo)
plt.plot(X, y)

正弦曲線就繪制出來了。但值得注意的是，pyplot.plot 在這里繪制的正弦曲線，實(shí)際上不是嚴(yán)格意義上的曲線圖，而在兩點(diǎn)之間依舊是直線。

這里看起來像曲線是因為樣本點(diǎn)相互挨得很近。

柱狀圖

柱形圖 matplotlib.pyplot.bar(*args, **kwargs) 大家應(yīng)該都非常了解了

這里，我們直接用上面的代碼，僅把 plt.plot(X, y) 改成 plt.bar(X, y) 試一下

plt.bar([1,2,3],[1,2,3])

散點(diǎn)圖

散點(diǎn)圖 matplotlib.pyplot.scatter(*args, **kwargs) 就是呈現(xiàn)在二維平面的一些點(diǎn)，這種圖像的需求也是非常常見的

比如，我們通過 GPS 采集的數(shù)據(jù)點(diǎn)，它會包含經(jīng)度以及緯度兩個值，這樣的情況就可以繪制成散點(diǎn)圖

# X,y 的坐標(biāo)均有 numpy 在 0 到 1 中隨機(jī)生成 1000 個值
X = np.random.ranf(1000)
y = np.random.ranf(1000)
# 向方法中 `*args` 輸入 X，y 坐標(biāo)
plt.scatter(X, y)

餅圖

餅狀圖 matplotlib.pyplot.pie(*args, **kwargs) 在有限列表以百分比呈現(xiàn)時特別有用，你可以很清晰地看出來各類別之間的大小關(guān)系，以及各類別占總體的比例。

plt.pie([1, 2, 3, 4, 5])

量場圖

量場圖 matplotlib.pyplot.quiver(*args, **kwargs) 就是由向量組成的圖像，在氣象學(xué)等方面被廣泛應(yīng)用

從圖像的角度來看，量場圖就是帶方向的箭頭符號

X, y = np.mgrid[0:10, 0:10]
plt.quiver(X, y)

等高線圖

中學(xué)學(xué)習(xí)地理的時候，我們就知道等高線了

等高線圖 matplotlib.pyplot.contourf(*args, **kwargs) 是工程領(lǐng)域經(jīng)常接觸的一類圖，它的繪制過程稍微復(fù)雜一些

# 生成網(wǎng)格矩陣
x = np.linspace(-5, 5, 500)
y = np.linspace(-5, 5, 500)
X, Y = np.meshgrid(x, y)
# 等高線計算公式
Z = (1 - X / 2 + X ** 3 + Y ** 4) * np.exp(-X ** 2 - Y ** 2)

plt.contourf(X, Y, Z)

圖形樣式

上面，我們繪制了簡單的基礎(chǔ)圖形，但這些圖形都不美觀

我們已經(jīng)知道了，線形圖通過 matplotlib.pyplot.plot(*args, **kwargs) 方法繪出

其中，args 代表數(shù)據(jù)輸入，而 kwargs 的部分就是用于設(shè)置樣式參數(shù)了。

折線圖

二維線形圖包含的參數(shù) 超過 40 余項，其中常用的也有 10 余項，選取一些比較有代表性的參數(shù)列舉如下：

參數(shù)	含義
alpha=	設(shè)置線型的透明度，從 0.0 到 1.0
color=	設(shè)置線型的顏色
fillstyle=	設(shè)置線型的填充樣式
linestyle=	設(shè)置線型的樣式
linewidth=	設(shè)置線型的寬度
marker=	設(shè)置標(biāo)記點(diǎn)的樣式
……	……

至于每一項參數(shù)包含的設(shè)置選項，大家需要通過官方文檔詳細(xì)了解

下面，我們重新繪制一個三角函數(shù)圖形

# 在 -2PI 和 2PI 之間等間距生成 1000 個值，也就是 X 坐標(biāo)
X = np.linspace(-2 * np.pi, 2 * np.pi, 1000)
# 計算 sin() 對應(yīng)的縱坐標(biāo)
y1 = np.sin(X)
# 計算 cos() 對應(yīng)的縱坐標(biāo)
y2 = np.cos(X)

# 向方法中 `*args` 輸入 X，y 坐標(biāo)
plt.plot(X, y1, color='r', linestyle='--', linewidth=2, alpha=0.8)
plt.plot(X, y2, color='b', linestyle='-', linewidth=2)

散點(diǎn)圖

散點(diǎn)圖也是相似的，它們的很多樣式參數(shù)都是大同小異，需要大家閱讀官方文檔詳細(xì)了解。

參數(shù)	含義
s=	散點(diǎn)大小
c=	散點(diǎn)顏色
marker=	散點(diǎn)樣式
cmap=	定義多類別散點(diǎn)的顏色
alpha=	點(diǎn)的透明度
edgecolors=	散點(diǎn)邊緣顏色

# 生成隨機(jī)數(shù)據(jù)
x = np.random.rand(1000)
y = np.random.rand(1000)
colors = np.random.rand(1000)
size = np.random.normal(50, 60, 1000)
# 繪制散點(diǎn)圖
plt.scatter(x, y, s=size, c=colors)

餅圖

餅狀圖通過 matplotlib.pyplot.pie() 繪出

我們也可以進(jìn)一步設(shè)置它的顏色、標(biāo)簽、陰影等各類樣式

# 各類別標(biāo)簽
label = 'a','b','c','d'  
# 各類別顏色
color = 'r', 'g', 'r', 'g'
# 各類別占比
size = [1, 2, 3, 4]  
# 各類別的偏移半徑
explode = (0, 0, 0, 0, 0.2)  
# 繪制餅狀圖
plt.pie(size, colors=color, explode=explode,
        labels=label, shadow=True, autopct='%1.1f%%')
# 餅狀圖呈正圓
plt.axis('equal')

組合圖形樣式

上面演示了單個簡單圖像的繪制

實(shí)際上，我們往往會遇到將幾種類型的一樣的圖放在一張圖內(nèi)顯示，也就是組合圖的繪制。

其實(shí)很簡單，你只需要將所需圖形的代碼放置在一起就可以了，比如繪制一張包含柱形圖和折線圖的組合圖。

x = [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
y_bar = [3, 4, 6, 8, 9, 10, 9, 11, 7, 8]
y_line = [2, 3, 5, 7, 8, 9, 8, 10, 6, 7]

plt.bar(x, y_bar)
plt.plot(x, y_line, '-o', color='y')

圖形位置

figure對象

在圖形的繪制過程中，你可能需要調(diào)整圖形的位置，或者把幾張單獨(dú)的圖形拼接在一起

此時，我們就需要引入 plt.figure 圖形對象了

# 生成數(shù)據(jù)
x = np.linspace(0, 10, 20)
y = x * x + 2

# 新建圖形對象
fig = plt.figure()
# 控制畫布的左, 下, 寬度, 高度
axes = fig.add_axes([0.5, 0.5, 0.8, 0.8])
axes.plot(x, y, 'r')

上面的繪圖代碼中，你可能會對 figure 和 axes 產(chǎn)生疑問

Matplotlib 的 API 設(shè)計的非常符合常理，在這里，figure 相當(dāng)于繪畫用的畫板，而 axes 則相當(dāng)于鋪在畫板上的畫布

我們將圖像繪制在畫布上，于是就有了 plot，set_xlabel 等操作。

借助于圖形對象，我們可以實(shí)現(xiàn)大圖套小圖的效果

# 新建畫板
fig = plt.figure()

# 大畫布
axes1 = fig.add_axes([0.1,0.1,0.8,0.8])
# 小畫布
axes2 = fig.add_axes([0.2,0.5,0.4,0.3])

# 大畫布
axes1.plot(x,y,'r')
# 小畫布
axes2.plot(x,y,'g')

上面的繪圖代碼中，使用了 add_axes() 方法向我們設(shè)置的畫板 figure 中添加畫布 axes

subplots對象

在 Matplotlib 中，還有一種添加畫布的方式，那就是 plt.subplots()，它和 axes 都等同于畫布

flg,axes = plt.subplots()
axes.plot(x,y,'r')

借助于 plt.subplots()，我們就可以實(shí)現(xiàn)子圖的繪制，也就是將多張圖按一定順序拼接在一起

# 子圖為 1 行，2 列
flg,axes = plt.subplots(nrows=1,ncols=2)
for ax in axes:
    ax.plot(x,y,'r')

或者:

x = [1,2,3]
y = [1,2,3]

flg,axes = plt.subplots(nrows=1,ncols=2)
axes[0].plot(x,y,'r')
axes[1].plot(x[::-1],y,'r')

通過設(shè)置 plt.subplots 的參數(shù)，可以實(shí)現(xiàn)調(diào)節(jié)畫布尺寸和顯示精度

fig, axes = plt.subplots(
        # 通過 figsize 調(diào)節(jié)尺寸, dpi 調(diào)節(jié)顯示精度
    	figsize=(16, 9), dpi=50
	) 

axes.plot(x, y, 'r')

規(guī)范繪圖方法

首先，任何圖形的繪制，都建議通過 plt.figure() 或者 plt.subplots() 管理一個完整的圖形對象

而不是簡單使用一條語句，例如 plt.plot(...) 來繪圖

管理一個完整的圖形對象，有很多好處, 在圖形的基礎(chǔ)上，給后期添加圖例，圖形樣式，標(biāo)注等預(yù)留了很大的空間, 除此之外代碼看起來也更加規(guī)范，可讀性更強(qiáng).

接下來，我們就通過幾組例子來演示規(guī)范的繪圖方法.

添加圖標(biāo)題/圖例

繪制包含圖標(biāo)題、坐標(biāo)軸標(biāo)題以及圖例的圖形，舉例如下：

fig, axes = plt.subplots()

# 橫軸名稱
axes.set_xlabel('x label')  
axes.set_ylabel('y label')

# 圖形名稱
axes.set_title('title')  

axes.plot(x, x**2)
axes.plot(x, x**3)
# 圖例
axes.legend(["y = x**2", "y = x**3"], loc=0)

圖例中的 loc 參數(shù)標(biāo)記圖例位置，1，2，3，4 依次代表：右上角、左上角、左下角，右下角；0 代表自適應(yīng)

線型、顏色、透明度

在 Matplotlib 中，你可以設(shè)置線的顏色、透明度等其他屬性

fig,axes = plt.subplots()

axes.plot(x, x+1, color="red", alpha=0.5)
axes.plot(x, x+2, color="#1155dd")
axes.plot(x, x+3, color="#15cc55")

而對于線型而言，除了實(shí)線、虛線之外，還有很多豐富的線型可供選擇

fig, ax = plt.subplots(figsize=(12, 6))

# 線寬
ax.plot(x, x+1, color="blue", linewidth=0.25)
ax.plot(x, x+2, color="blue", linewidth=0.50)
ax.plot(x, x+3, color="blue", linewidth=1.00)
ax.plot(x, x+4, color="blue", linewidth=2.00)

# 虛線類型
ax.plot(x, x+5, color="red", lw=2, linestyle='-')
ax.plot(x, x+6, color="red", lw=2, ls='-.')
ax.plot(x, x+7, color="red", lw=2, ls=':')

# 虛線交錯寬度
line, = ax.plot(x, x+8, color="black", lw=1.50)
line.set_dashes([5, 10, 15, 10])

# 符號
ax.plot(x, x + 9, color="green", lw=2, ls='--', marker='+')
ax.plot(x, x+10, color="green", lw=2, ls='--', marker='o')
ax.plot(x, x+11, color="green", lw=2, ls='--', marker='s')
ax.plot(x, x+12, color="green", lw=2, ls='--', marker='1')

# 符號大小和顏色
ax.plot(x, x+13, color="purple", lw=1, ls='-', marker='o', markersize=2)
ax.plot(x, x+14, color="purple", lw=1, ls='-', marker='o', markersize=4)
ax.plot(x, x+15, color="purple", lw=1, ls='-',
        marker='o', markersize=8, markerfacecolor="red")
ax.plot(x, x+16, color="purple", lw=1, ls='-', marker='s', markersize=8,
        markerfacecolor="yellow", markeredgewidth=2, markeredgecolor="blue")

畫布網(wǎng)格、坐標(biāo)軸范圍

有些時候，我們可能需要顯示畫布網(wǎng)格或調(diào)整坐標(biāo)軸范圍

設(shè)置畫布網(wǎng)格和坐標(biāo)軸范圍

這里，我們通過指定 axes[0] 序號，來實(shí)現(xiàn)子圖的自定義順序排列

fig, axes = plt.subplots(1, 2, figsize=(10, 5))

# 顯示網(wǎng)格
axes[0].plot(x, x**2, x, x**3, lw=2)
axes[0].grid(True)

# 設(shè)置坐標(biāo)軸范圍
axes[1].plot(x, x**2, x, x**3)
axes[1].set_ylim([0, 60])
axes[1].set_xlim([2, 5])

除了折線圖，Matplotlib 還支持繪制散點(diǎn)圖、柱狀圖等其他常見圖形

下面，我們繪制由散點(diǎn)圖、梯步圖、條形圖、面積圖構(gòu)成的子圖

n = np.array([0, 1, 2, 3, 4, 5])

fig, axes = plt.subplots(1, 4, figsize=(16, 5))

axes[0].scatter(x, x + 0.25*np.random.randn(len(x)))
axes[0].set_title("scatter")

axes[1].step(n, n**2, lw=2)
axes[1].set_title("step")

axes[2].bar(n, n**2, align="center", width=0.5, alpha=0.5)
axes[2].set_title("bar")

axes[3].fill_between(x, x**2, x**3, color="green", alpha=0.5)
axes[3].set_title("fill_between")

圖形標(biāo)注方法

當(dāng)我們繪制一些較為復(fù)雜的圖像時，閱讀對象往往很難全面理解圖像的含義。而此時，圖像標(biāo)注往往會起到畫龍點(diǎn)睛的效果

圖像標(biāo)注，就是在畫面上添加文字注釋、指示箭頭、圖框等各類標(biāo)注元素

Matplotlib 中，文字標(biāo)注的方法由 matplotlib.pyplot.text() 實(shí)現(xiàn)

最基本的樣式為 matplotlib.pyplot.text(x, y, s)，其中 x, y 用于標(biāo)注位置定位，s 代表標(biāo)注的字符串

除此之外，你還可以通過 fontsize= , horizontalalignment= 等參數(shù)調(diào)整標(biāo)注字體的大小，對齊樣式等

下面，我們舉一個對柱形圖進(jìn)行文字標(biāo)注的示例

fig,axes = plt.subplots()

# 柱形圖橫坐標(biāo)
x_bar = [
    10,20,30,40,50
]
# 柱形圖縱坐標(biāo)
y_bar = [
    0.5,0.6,0.3,0.4,0.8
]

# 繪制柱形圖
bars = axes.bar(x_bar,y_bar,color="blue",label=x_bar,width=2)

for i,rect in enumerate(bars):
    # 獲取柱形圖縱坐標(biāo)
    x_text = rect.get_x()
    # 獲取柱子的高度并增加0.01
    y_text = rect.get_height() + 0.01
    # 標(biāo)注文字
    plt.text(x_text,y_text,'%.1f' % y_bar[i])

除了文字標(biāo)注之外，還可以通過 matplotlib.pyplot.annotate() 方法向圖像中添加箭頭等樣式標(biāo)注

接下來，我們向上面的例子中增添一行增加箭頭標(biāo)記的代碼

for i, rect in enumerate(bars):
    # 獲取柱形圖縱坐標(biāo)
    x_text = rect.get_x()
    # 獲取柱子的高度并增加0.01
    y_text = rect.get_height() + 0.01
    # 標(biāo)注文字
    plt.text(x_text, y_text, '%.1f' % y_bar[i])
	
    # 增加箭頭標(biāo)注
    plt.annotate(
        'Min', xy=(32, 0.3), xytext=(36, 0.3),
        arrowprops=dict(facecolor='black', width=1, headwidth=7)
    )