Python绘图与可视化

使用的库

Python有很多可视化工具，如：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。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。

Matplotlib程序包

由于靠这个画图的话一般都会遇到比较复杂的数据处理，所以numpy也经常和matplotlib一起出现一起使用。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1,1,50)  #产生[-1,1]间均匀间隔的数据50个
y = 2*x + 1

plt.figure()
plt.plot(x,y)
plt.show()

注：1.np.linspace()含义

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
start:返回样本数据开始点
stop:返回样本数据结束点
num:生成的样本数据量，默认为50
endpoint：True则包含stop；False则不包含stop
retstep：If True, return (samples, step), where step is the spacing between samples.(即如果为True则结果会给出数据间隔)
dtype：输出数组类型
axis：0(默认)或-1

2.plt.figure()
声明的其实是一个figure窗口，这个窗口中可以包含很多个图。
3.plt.plot()
plot(x,y,linestyle=‘dashed’,linewidth=0.5,color=’#3479f7’)　，里面的参数可以自己设定
图形展示：

绘图命令的扩展及其属性设置

x = np.linspace(-10,10,50)
y1 = 2*x + 1
y2 = x**x
plt.figure()
plt.plot(x,y1)
plt.plot(x,y2,linestyle='dashed',linewidth=0.5,color='red',marker='.',)
plt.xlim(1,3)
plt.xlabel('value of X')
plt.xticks(np.linspace(1,3,11))
plt.show()

注:
1.使用plt.xlim/ylim两个方法可以分别设置x轴和y轴的范围。用法就是xlim(min,max)。
2.使用plt.xlabel和ylabel可以设置x/y轴的说明文字。
3.使用plt.xticks/yticks两个方法可以分别设置X和Y轴的坐标点的值是多少。除了简单的数值设置外，xticks/yticks还支持label设置。比如xticks([1,2,3,4],[‘bad’,‘ok’,‘good’,‘verygood’])这样的方式，来将数值坐标值和文字描述的坐标值一一对应起来。
补充：
1.plt.gca()
这个方法返回一个包含所有坐标轴的对象。gca的全称估计是get current axes，也就是获取到当前所有坐标轴。
其中比较重要的一条属性是spines**，这个属性是一个字典，可以有left,right,top,bottom的取值分别对应一个图的四条边。

ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['left'].set_position(('data',0))
ax.spines['bottom'].set_position(('data',0))

2.plt.legend()
图例出现的位置默认是在左下方，可以在legend方法中用loc参数指明具体的位置。比如**plt.legend(loc=‘upper right’)**是出现在右上角。类似的参数值还有lower right，center left等等。此外还有一个best，这个值是说把位置自动交给电脑去判断，尽量选择一个不挡住任何东西的好的位置。
3.plt.scatter()
用来做散点图,

import matplotlib.pyplot as plt  # 换个名字
import numpy as np
n = 1024    # data size
X = np.random.normal(0, 1, n) # 每一个点的X值
Y = np.random.normal(0, 1, n) # 每一个点的Y值
T = np.arctan2(Y,X) # for color value

plt.figure()
ax = plt.gca()
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
plt.scatter(X,Y,c=T,s=20) #c代表设置颜色
plt.xlim(-0.5,0.5)
plt.show()

画多个子图

使用subplot()方法

plt.subplot(2,2,1)

含多个坐标轴

利用subplots()与twins()方法

import matplotlib.pyplot as plt
import numpy as np
import math
x = np.arange(-2,2,0.1)  # np.arange()函数返回一个有终点和起点的固定步长的排列
y1 = list(map(math.exp,x))  #注意遇到map要和list一起使用
y2 = -1*np.array(y1)

fig, left_ax = plt.subplots()    # 获取当前的坐标，是第二个返回对象
right_ax = left_ax.twinx()    # twinx生成另一个坐标对象，复制对象
left_ax.plot(x,y1,color='blue')
left_ax.set_ylabel('value of Y1',color='blue')
right_ax.plot(x,y2,color='green')
right_ax.set_ylabel('value of Y2',color='green')
plt.show()