Python Matplotlib資料視覺化模組使用詳解

2022-11-23 14:01:09

前言

為了將資料變成所有人都喜歡的圖形，就需要使用本文要介紹的資料視覺化庫Matplotlib。當然，還有很多類似的程式庫。但 Matplotlib 的功能更強大，而且可以很容易與Numpy、Pandas 等程式庫結合在一起使用。

Matplotlib 是一個 Python 的 2D 繪相簿。通過 Matplotlib，開發者可以僅需要幾行程式碼，便可以生成繪圖，直方圖，功率譜，條形圖，錯誤圖，散點圖等。學習 Matplotlib，可讓資料視覺化，更直觀的真實給使用者。使資料更加客觀、更具有說服力。 Matplotlib 是 Python的庫，又是開發中常用的庫。

1 matplotlib 開發環境搭建

如果使用的是 Anaconda Python 開發環境，那麼Matplotlib 已經被集成進Anaconda，並不需要單獨安裝。

如果使用的是標準的Python 開發環境，可以使用下面的命令安裝 Matplotlib，語法格式如下：

pip install matplotlib

如果要了解 Matplotlib 更詳細的情況，請存取官方網站。網址如下：https://matplotlib.org。

安裝完 Matplotlib 後，可以測試一下 Matplotlib 是否安裝成功。進入 Python 的環境使用下面的語句匯入 matplotlib.pyplot 模組。如果不出錯，就說明 Matplotlib 已經安裝成功了。

import matplotlib.pyplot as plt

2 繪製基礎

在使用 Matplotlib 繪製圖形時，其中有兩個最為常用的場景。一個是畫點，一個是畫線。

pyplot 基本方法的使用如下。

2.1 繪製直線

在使用 Matplotlib 繪製線性圖時，其中最簡單的是繪製線圖。在下面的範例程式碼中，使用 Matplotlib 繪製了一個簡單的直線。具體實現過程如下：

匯入模組 pyplot，並給它指定別名 plt，以免反覆輸入 pyplot。在模組 pyplot中包含很多用於生產圖表的函數。
將繪製的直線座標傳遞給函數 plot()。
通過函數 plt.show()開啟 Matplotlib 檢視器，顯示繪製的圖形。

【範例 1】使用 matplotlib 根據兩點繪製一條線

import matplotlib.pyplot as plt 
#將(0,1)點和(2,4)連起來
plt.plot([0,2],[1,4])
plt.show()

2.2 繪製折線

在上述的範例程式碼中，使用兩個座標繪製一條直線，接下來使用平方數序列 1、4、9、16 和 25 來繪製一個折線圖。

【範例 2】使用 matplotlib 繪製折線圖

import matplotlib.pyplot as plt 
x=[1,2,3,4,5] 
squares=[1,4,9,16,25] 
plt.plot(x,squares)
plt.show()

2.3 設定標籤文字和線條粗細

在上面的範例直線結果不夠完美，開發者可以繪製的線條樣式進行靈活設定。例如：可以設定線條的粗細、設定文字等。

【範例 3】使用 matplotlib 繪製折線圖並設定樣

import matplotlib.pyplot as plt 
datas=[1,2,3,4,5] 
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5) 
#設定線條寬度#設定圖示標題，並在座標軸上新增標籤plt.title('Numbers',fontsize=24) 
plt.xlabel('datas',fontsize=14) 
plt.ylabel('squares',fontsize=14)
plt.show()

Matplotlib 預設情況不支援中文，可以使用以下簡單的方法來解決：

plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤

【範例 4】解決標籤、標題中的中文問題

import matplotlib.pyplot as plt
datas=[1,2,3,4,5]
squares=[1,4,9,16,25] 
plt.plot(datas,squares,linewidth=5) 
#設定線條寬度#設定中文亂碼問題
plt.rcParams['font.sans-serif'] = ['SimHei'] 
#設定圖示標題，並在座標軸上新增標籤
plt.title('標題設定',fontsize=24) 
plt.xlabel('x 軸',fontsize=14)
plt.ylabel('y 軸',fontsize=14)
plt.show()

2.4 繪製一元二次方程的曲線 y=x^2

Matplotlib 有很多函數用於繪製各種圖形，其中 plot 函數用於曲線，需要將 200 個點的x 座標和 Y 座標分別以序列的形式傳入 plot 函數，然後呼叫 show 函數顯示繪製的圖形。一元二次方程的曲線。

【範例 5】使用 matplotlib 繪製一元二次方程曲線

import matplotlib.pyplot as plt 
#200 個點的 x 座標
x=range(-100,100)
#生成 y 點的座標
y=[i**2 for i in x ] 
#繪製一元二次曲線
plt.plot(x,y)
#呼叫 savefig 將一元二次曲線儲存為 result.jpg
#plt.savefig('result.jpg') #如果直接寫成 plt.savefig('cos')  會生成 cos.png
plt.show()

2.5 繪製正弦曲線和餘弦曲線

使用 plt 函數繪製任何曲線的第一步都是生成若干個座標點（x,y），理論上座標點是越多越好。本例取 0 到 10 之間 100 個等差數作為 x 的座標，然後將這 100 個 x 座標值一起傳入 Numpy 的 sin 和 cos 函數，就會得到 100 個 y 座標值，最後就可以使用 plot 函數繪製正弦曲線和餘弦曲線。

【範例 6】使用 matplotlib 繪製正弦曲線和餘弦曲線

import matplotlib.pyplot as plt
import numpy as np
#生成 x 的座標（0-10 的 100 個等差數列）
x=np.linspace(0,10,100)
sin_y=np.sin(x) 
#繪製正弦曲線
plt.plot(x,sin_y) 
#繪製餘弦曲線
cos_y=np.cos(x) 
plt.plot(x,cos_y) 
plt.show()

上面的範例可以看到，呼叫兩次 plot 函數，會將 sin 和 cos 曲線繪製到同一個二維座標系中，如果想繪製到兩張畫布中，可以呼叫 subplot()函數將畫布分割區。

import matplotlib.pyplot as plt
import numpy as np
#將畫布分為區域，將圖畫到畫布的指定區域
x=np.linspace(1,10,100)
#將畫布分為 2 行 2 列，將圖畫到畫布的 1 區域
plt.subplot(2,2,1)
plt.plot(x,np.sin(x))
plt.subplot(2,2,3)
plt.plot(x,np.cos(x))
plt.show()

3 繪製散點圖

使用 scatter 函數可以繪製隨機點，該函數需要接收 x座標和 y 座標的序列。

【範例 8】使用 matplotlib 繪製 sin()函數的散點圖

import matplotlib.pyplot as plt
import numpy as np
#畫散點圖
x=np.linspace(0,10,100)
#生成 0 到 10 中 100 個等差數
plt.scatter(x,np.sin(x))
plt.show()

【範例 9】繪製 10 種大小 100 種顏色的散點圖

import matplotlib.pyplot as plt
import numpy as np
#  畫 10 種大小， 100 種顏色的散點圖
np.random.seed(0) 
x=np.random.rand(100) 
y=np.random.rand(100) 
colors=np.random.rand(100) 
size=np.random.rand(100)*1000
plt.scatter(x,y,c=colors,s=size,alpha=0.7)
plt.show()

作為線性圖的替代，可以通過向 plot() 函數新增格式字串來顯示離散值。可以使用如表 2-2 格式化字元。

顏色的縮寫如下：

【範例 10】繪製不同種類不同顏色的線

import matplotlib.pyplot as plt 
import numpy as np
#不同種類不同顏色的線
x=np.linspace(0,10,100) 
plt.plot(x,x+0,'-g')	#實線  綠色
plt.plot(x,x+1,'--c')	#虛線 淺藍色
plt.plot(x,x+2,'-.k')	#點劃線 黑色
plt.plot(x,x+3,'-r')	#實線  紅色
plt.plot(x,x+4,'o')	#點   預設是藍色
plt.plot(x,x+5,'x')	#叉叉  預設是藍色
plt.plot(x,x+6,'d')	#磚石  紅色
plt.show()

【範例 11】新增圖例

#不同種類不同顏色的線並新增圖例
x=np.linspace(0,10,100)
plt.plot(x,x+0,'-g',label='-g')	#實線  綠色
plt.plot(x,x+1,'--c',label='--c')	#虛線 淺藍色
plt.plot(x,x+2,'-.k',label='-.k')	#點劃線 黑色
plt.plot(x,x+3,'-r',label='-r')	#實線  紅色
plt.plot(x,x+4,'o',label='o')	#點   預設是藍色
plt.plot(x,x+5,'x',label='x')	#叉叉  預設是藍色
plt.plot(x,x+6,'dr',label='dr')	#磚石  紅色
#新增圖例右下角 lower right	左上角 upper left  邊框  透明度  陰影  邊框寬度
plt.legend(loc='lower right',fancybox=True,framealpha=1,shadow=True,borderpad=1) 
plt.show()

4 繪製柱狀圖

使用 bar 函數可以繪製柱狀圖。柱狀圖需要水平的x 座標值，以及每一個 x 座標值對應的 y 座標值，從而形成柱狀的圖。柱狀圖主要用來縱向對比和橫向對比的。例如，根據年份對銷售收據進行縱向對比，x 座標值就表示年份，y 座標值表示銷售資料。

【範例 12】使用 bar()繪製柱狀圖，並設定柱的寬度

import matplotlib.pyplot as plt 
import numpy as np 
x=[1980,1985,1990,1995]
x_labels=['1980 年','1985 年','1990 年','1995 年']
y=[1000,3000,4000,5000]
plt.bar(x,y,width=3)
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤
plt.xticks(x,x_labels) 
plt.xlabel('年份') 
plt.ylabel('銷量')
plt.title('根據年份銷量對比圖')
plt.show()

需要注意的是 bar 函數的寬度並不是畫素寬度。bar 函數會根據二維座標系的尺寸，以及 x 座標值的多少，自動確定每一個柱的寬度，而 width 指定的寬度就是這個標準柱寬度的倍數。該引數值可以是浮點數，如 0.5，表示柱的寬度是標準寬度的 0.5 倍。

【範例 13】使用 bar()和 barh()函數繪製柱狀圖

import matplotlib.pyplot as plt 
import numpy as np 
np.random.seed(0) 
x=np.arange(5) 
y=np.random.randint(-5,5,5) 
print(x,y)
# 將畫布分隔成一行兩列
plt.subplot(1,2,1) 
#在第一列中畫圖
v_bar=plt.bar(x,y)
#在第一列的畫布中 0 位置畫一條藍線
plt.axhline(0,color='blue',linewidth=2) 
plt.subplot(1,2,2)
#barh 將 y 和 x 軸對換 豎著方向為 x 軸
h_bar=plt.barh(x,y,color='red')
#在第二列的畫布中 0 位置處畫藍色的線
plt.axvline(0,color='red',linewidth=2) 
plt.show()

【範例 14】對柱狀圖的部分柱狀設定顏色

import matplotlib.pyplot as plt 
import numpy as np 
np.random.seed(0) 
x=np.arange(5) 
y=np.random.randint(-5,5,5)
v_bar=plt.bar(x,y,color='lightblue')
for bar,height in zip(v_bar,y):
    if height<0:
        bar.set(edgecolor='darkred',color='lightgreen',linewidth=3)
plt.show()

【範例 15】使用 bar()繪製三天中三部電影的票房變化

import matplotlib.pyplot as plt 
import numpy as np
#三天中三部電影的票房變化
real_names=['千與千尋','玩具總動員 4','黑衣人：全球追緝']
real_num1=[5453,7548,6543] 
real_num2=[1840,4013,3421] 
real_num3=[1080,1673,2342]
#生成 x	第 1 天   第 2 天   第 3 天
x=np.arange(len(real_names))
x_label=['第{}天'.format(i+1) for i in range(len(real_names))]
#繪製柱狀圖#設定柱的寬度
width=0.3
plt.bar(x,real_num1,color='g',width=width,label=real_names[0])
plt.bar([i+width for i in x],real_num2,color='b',width=width,label=real_names[1]) 
plt.bar([i+2*width for i in x],real_num3,color='r',width=width,label=real_names[2]) 
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤
#修改 x 座標
plt.xticks([i+width for i in x],x_label)
#新增圖例plt.legend() #新增標題
plt.title('3 天的票房數')
plt.show()

5 繪製餅狀圖

pie 函數可以繪製餅狀圖，餅圖主要是用來呈現比例的。只要傳入比例資料即可。

【範例 16】繪製餅狀圖

#匯入模組
import matplotlib.pyplot as plt 
import numpy as np
#準備男、女的人數及比例
man=71351
woman=68187 
man_perc=man/(woman+man) 
woman_perc=woman/(woman+man) #新增名稱
labels=['男','女'] #新增顏色
colors=['blue','red'] #繪製餅狀圖  pie
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤
# labels  名稱 colors：顏色，explode=分裂  autopct 顯示百分比
paches,texts,autotexts=plt.pie([man_perc,woman_perc],labels=labels,colors=colors,explode=(0,0.05),autopct='%0.1f%%')
#設定餅狀圖中的字型顏色
for text in autotexts:
	text.set_color('white')
#設定字型大小
for text in texts+autotexts:
	text.set_fontsize(20)
plt.show()

6 繪製直方圖

直方圖與柱狀圖的分格類似，都是由若干個柱組成，但直方圖和柱狀圖的含義卻有很大的差異。直方圖

是用來觀察分佈狀態的，而柱狀圖是用來看每一個 X 座標對應的 Y 的值的。也就是說，直方圖關注的是分佈，並不關心具體的某個值，而柱狀圖關心的是具體的某個值。使用 hist函數繪製直方圖。

【範例 17】繪製直方圖

import numpy as np
import matplotlib.pyplot as plt
#頻次直方圖，均勻分佈
#正太分佈
x=np.random.randn(1000) 
#畫正太分佈圖
# plt.hist(x)
plt.hist(x,bins=100) #裝箱的操作，將 10 個柱裝到一起及修改柱的寬度
plt.show()

【範例 18】同一畫布繪製三個直方圖

import numpy as np
import matplotlib.pyplot as plt
#幾個直方圖畫到一個畫布中,第一個引數期望  第二個均值
x1=np.random.normal(0,0.8,1000) 
x2=np.random.normal(-2,1,1000) 
x3=np.random.normal(3,2,1000)
#引數分別是 bins：裝箱，alpha：透明度
kwargs=dict(bins=100,alpha=0.4) 
plt.hist(x1,**kwargs)
plt.hist(x2,**kwargs) 
plt.hist(x3,**kwargs) 
plt.show()

7 繪製等高線圖

【範例 19 】使用matplotlib 繪製等高線圖

#匯入模組
import matplotlib.pyplot as plt 
import numpy as np
x=np.linspace(-10,10,100)
y=np.linspace(-10,10,100)
#計算 x 和 y 的相交點 a
X,Y=np.meshgrid(x,y)
# 計算 Z 的座標
Z=np.sqrt(X**2+Y**2) 
plt.contourf(X,Y,Z) 
plt.contour(X,Y,Z)
# 顏色越深表示值越小，中間的黑色表示 z=0.
plt.show()

8 繪製三維圖

使用 pyplot 包和 Matplotlib 繪製三維圖。

【範例 20】使用 Matplotlib 繪製三維圖

import matplotlib.pyplot as plt
#匯入 3D 包
from mpl_toolkits.mplot3d import Axes3D
#建立 X、Y、Z 座標
X=[1,1,2,2] 
Y=[3,4,4,3] 
Z=[1,100,1,1]
fig = plt.figure()
#  建立了一個 Axes3D 的子圖放到 figure 畫布裡面
ax = Axes3D(fig) 
ax.plot_trisurf(X, Y, Z)
plt.show()