python-绘图与可视化 _生活百科

python 有许多可视化工具，但本书只介绍Matplotlib 。Matplotlib是一种2D的绘图库，它可以支持硬拷贝和跨系统的交互，它可以在python脚本，IPython的交互环境下、Web应用程序中使用。该项目是由John Hunter 于2002年启动，其目的是为python构建MATLAB式的绘图接口。如果结合使用一种GUI工具包（如IPython），Matplotlib还具有诸如缩放和平移等交互功能。它不仅支持各种操作系统上许多不同的GUI后端，而且还能将图片导出为各种常见的矢量（vector）和光栅（raster）图：PDF、SVG、JPG、PNG、BMP、GIF等。
1.Matplotlib 程序包所谓“一图胜千言”，我们很多时候需要通过可视化的方式查看、分析数据，虽然pandas中也有一些绘图操作，但是相比较而言，Matplotlib在绘图显示效果方面更加绚丽。Pyplot为Matplotlib提供了一个方便的接口，我们可以通过pyplot对matplotlib进行操作，多数情况下pyplot的命令与MATLAB有些相似。导入Matplotlib包进行简单的操作（此处需要安装pip install matplotlib）:
import matplotlib.pyplot as plt#首先定义两个函数（正弦&余弦）import numpy as npX = np.linspace(-np.pi,np.pi,256,endpoint=True) #-Π to +Π的256个值C,S = np.cos(X),np.sin(X)plt.plot(X,C)plt.plot(X,S)#在ipython 的交互环境中需要这句才能显示出来plt.show()

文章插图
2.绘图命令的基本架构及其属性设置上面的例子我们可以看出，几乎所有的属性和绘图的框架我们都选用默认设置。现在我们来看Pyplot 绘图的基本框架是什么，用过photoshop的人都知道，作图时先要定义一个画布，此处的画布就是Figure，然后把其他素材“画”到该Figure上。
（1）在Figure 上创建子plot，并设置属性，具体简析和代码如下：
import numpy as npimport matplotlib.pyplot as pltx = np.linspace(0,10,1000) #X轴数据y1 = np.sin(x) #Y轴数据y2 = np.cos(x**2) #Y轴数据plt.figure(figsize=(8,4))plt.plot(x,y1,label="$sin(x)$",color="red",linewidth=2)plt.plot(x,y2,"b--",label="$cos(x^2)$")#指定曲线的颜色和线形，如“b--”表示蓝色虚线（b:蓝色，-：虚线）plt.xlabel("Time(s)")plt.ylabel("Volt")plt.title("PyPlot First Example")#书上写的是：plt.figure(figsize(8,4))#注意：会报错 name 'figsize' is not defined#这里figsize是一个参数，并不是一个函数，给参数赋值中间需要加一个等号，写为：plt.figure(figsize=(8,4))#使用关键字参数可以指定所绘制的曲线的各种属性：#label:给曲线指定一个标签名称，此标签将在图示中显示。如果标签字符串的前后有字符“$”,则Matplotlib 会使用其内嵌的LaTex引擎将其显示为数学公式#color:指定曲线的颜色。颜色可以用如下方法表示#英文单词#以“#”字符开头的3个16进制数，如“#ff0000”表示红色。以0~1的RGB表示，如（1.0，0.0 ， 0.0）也表示红色#linewidth:指定曲线的宽度,可以不是整数，也可以使用缩写形式的参数名lwplt.ylim(-1.5,1.5)plt.legend()plt.show()

文章插图
（2）在Figure上创建多个子plot如果需要同时绘制多幅图表的话，可以给Figure传递一个整数参数指定图表的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象，具体分析和代码如下：
import numpy as npimport matplotlib.pyplot as pltfig1 =plt.figure(2)plt.subplot(211)#subplot(211)把绘图区域等分为2行*1列共两个区域#然后在区域1（上区域）中创建一个轴对象plt.subplot(212)#在区域2（下区域）创建一个轴对象plt.show()

文章插图
#我们还可通过命令再次拆分这些块（相当于Word中拆分单元格的操作）f1 = plt.figure(5)plt.subplot(221)plt.subplot(222)plt.subplot(212)plt.subplots_adjust(left = 0.08,right = 0.95,wspace = 0.25,hspace = 0.45)#subplots_adjust的操作是类似网页csv格式化中的边距处理，左边距离多少？#右边边距多少？这个取决于你需要绘制的大小和各个模块之间的间距。plt.show()