Python数据分析：数据可视化matplotlib

Python数据分析：数据可视化matplotlib

matplotlib

• 用于创建出版质量图表的绘图工具库，目的是为Python构建一个matlab式的绘图接口
• import matplotlib.pyplot as plt
  • pyplot 模块中包含了常用的matplotlib API函数

figure

• matplotlib的图像均位于figure对象中
• 创建figure plt.figure()

subplot

• fig.add_subplot(a,b,c)

  • a, b 表示将fig分割成a*b的区域
  • c表示当前选中要操作的区域（从1开始编号）
  • 返回的是axessubplot对象
  • plot绘图的区域是最后一次指定subplot的位置

• 在指定subplot里结合scipy绘制统计图

  • 正态分布 sp.stats.norm.pdf
  • 正态直方图 sp.stats.norm.rvs

import scipy as sp
from scipy import stats

x = np.linspace(-5, 15, 50)
print(x.shape)

# 绘制高斯分布
plt.plot(x, sp.stats.norm.pdf(x=x, loc=5, scale=2))

# 叠加直方图
plt.hist(sp.stats.norm.rvs(loc=5, scale=2, size=200), bins=50, normed=True, color='red', alpha=0.5)
plt.show()

运行结果：

• 直方图 hist

  # 绘制直方图
  plt.hist(np.random.randn(100), bins=10, color='b', alpha=0.3)
  plt.show()
  

  运行结果：
  

• 散点图 scatter

  # 绘制散点图
  x = np.arange(50)
  y = x + 5 * np.random.rand(50)
  plt.scatter(x, y)
  

  运行结果：
  

• 柱状图 bar

  # 柱状图
  x = np.arange(5)
  y1, y2 = np.random.randint(1, 25, size=(2, 5))
  width = 0.25
  ax = plt.subplot(1,1,1)
  ax.bar(x, y1, width, color='r')
  ax.bar(x+width, y2, width, color='g')
  ax.set_xticks(x+width)
  ax.set_xticklabels(['a', 'b', 'c', 'd', 'e'])
  plt.show()
  

  运行结果：
  

• 矩阵绘图 plt.imshow()

  # 矩阵绘图
  m = np.random.rand(10,10)
  print(m)
  plt.imshow(m, interpolation='nearest', cmap=plt.cm.ocean)
  plt.colorbar()
  plt.show()
  

  运行结果：
  

  • 混淆矩阵，三个维度的关系

plt.subplots()

• 同时返回新创建的figure和subplot对象数组

• fig, subplot_arr = plt.subplots(2,2)

  fig, subplot_arr = plt.subplots(2,2)
  subplot_arr[0,0].hist(np.random.randn(100), bins=10, color='b', alpha=0.3)
  plt.show()
  

  运行结果：
  

颜色、标记、线型

• ax.plot(x, y, ‘r–’) 等价于 ax.plot(x,y, linestyle=’–’, color = ‘r’)

  fig, axes = plt.subplots(2)
  axes[0].plot(np.random.randint(0, 100, 50), 'ro--')
  # 等价
  axes[1].plot(np.random.randint(0, 100, 50), color='r', linestyle='dashed', marker='o')
  

  运行结果：
  

刻度、标签、图例

• 设置刻度范围

  • plt.xlim(),plt.ylim()
  • ax.set_xlim(), ax.set_ylim()

• 设置显示刻度：

  • plt.xticks(), plt.yticks()
  • ax.set_xticks(), ax.set_yticks()

• 设置刻度标签

  • ax.set_xticklabels() ax.set_yticklabels()

• 设置坐标轴标签

  • ax.set_xlabel(), ax.set_ylabel()

• 设置标题

  • ax.set_title()

• 图例

  • ax.plot(label= ’ legend’)
  • ax.legend(), plt.legend()
    • loc = 'best ’ 自动选择放置图例的最佳位置

fig, ax = plt.subplots(1)
ax.plot(np.random.randn(1000).cumsum(), label='line0')

# 设置刻度
#plt.xlim([0,500])
ax.set_xlim([0, 800])

# 设置显示的刻度
#plt.xticks([0,500])
ax.set_xticks(range(0,500,100))

# 设置刻度标签
ax.set_yticklabels(['Jan', 'Feb', 'Mar'])

# 设置坐标轴标签
ax.set_xlabel('Number')
ax.set_ylabel('Month')

# 设置标题
ax.set_title('Example')

# 图例
ax.plot(np.random.randn(1000).cumsum(), label='line1')
ax.plot(np.random.randn(1000).cumsum(), label='line2')
ax.legend()
ax.legend(loc='best')
#plt.legend()

运行结果：