CoreJT

Python数据处理 | (三) Matplotlib数据可视化

本篇博客所有示例使用Jupyter NoteBook演示。

Python数据处理系列笔记基于：Python数据科学手册电子版下载密码：ovnh

示例代码下载密码:02f4

一、Matplotlib常用技巧

1.导入Matplotlib

2.设置绘图样式

3.用不用show()?如何显示图形

4.将图形保存为文件

二、两种画图接口

1.MATLAB风格接口

2.面向对象接口

三、简易折线图

1.调整图形：线条的颜色与风格

2.调整图形：坐标轴上下限

3.设置图形标签

四、简易散点图

1.用plt.plot画散点图

2.用plt.scatter画散点图

3.plot与scatter：效率对比

五、可视化异常处理

1.基本误差线

2.连续误差

六、密度图和等高线图

1.三维函数的可视化

七、频次直方图、数据区间划分和分布密度

1.二维频次直方图与数据区间划分

八、配置图例

1.选择图例显示的元素

2.在图例中显示不同尺寸的点

3.同时显示多个图例

九、配置颜色条

1.配置颜色条

2.案例：手写数字

十、多子图

1.plt.axes:手动创建子图

2.plt.subplot:简易网格子图

3.plt.subplots:一行代码创建网格

4.plt.GridSpec:实现更复杂的排列方式

十一、文字与注释

1.案例：节假日对美国出生率的影响

2.坐标变换与文字位置

3.箭头与注释

十二、自定义坐标轴刻度

1.主要刻度与次要刻度

2.隐藏刻度与标签

3.增减刻度数量

4.花哨的刻度格式

5.格式生成器与定位器小结

十三、Matplotlib自定义：配置文件与样式表

1.手动配置图形

2.修改默认配置：rcParams

3.样式表

十四、用Matplotlib画三维图

1.三维数据点与线

2.三维等高线图

3.线框图和曲面图

4.曲面三角剖分

十五、用Basemap可视化地理数据

1.地图投影

2.画一个地图背景

3.在地图上画数据

4.案例：美国加州城市数据

5.案例：地表温度数据

十六、用Seaborn做数据可视化

1.Seaborn与Matplotlib

2.Seaborn图形介绍

3.案例：探索马拉松比赛成绩数据

一、Matplotlib常用技巧

1.导入Matplotlib

2.设置绘图样式

3.用不用show()?如何显示图形

在脚本中画图

如果在脚本文件或集成环境中使用Matplotlib，显示图形必须使用plt.show()：

注意一个Python会话只能使用一次plt.show()，通常放在脚本最后；多个plt.show()会导致异常。

在Ipython shell中画图

在Ipython shell中启动Matplotlib模式后，就不需要使用plt.show().

此后任何plt命令都会自动打开一个图形窗口，增加新命令，图形就会更新。

有一些变化，如改变已经画好的线条属性不会自动及时更新，可以使用plt.draw()强制更新。

在Ipython Notebook中画图

将图形直接嵌在IPython Notebook页面中，有两种形式上：

1）%matplotlib notebook会在Notebook中启动交互式图形

2）%matplotlib inline会在Notebook中启动静态图形

统一使用2）：

4.将图形保存为文件

可以用savefig()把图形保存为不同的数据格式：

查看系统支持的文件格式：

保存图像文件不需要使用plt.show()等命令。

二、两种画图接口

1.MATLAB风格接口

这种接口是有状态的：会持续跟踪当前的图形和坐标轴，所有plt命令都可以用：

这种接口当创建第二个子图时，如果再回到第一个子图增加内容，会很复杂。

2.面向对象接口

画简单图形时，二者看个人喜好；画比较复杂的图形时，面向对象方法会更方便。

三、简易折线图

在Notebook中画图，需要先导入：

首先需要创建一个图形fig和一个坐标轴ax：

然后用ax.plot画图(面向对象接口)：

plt.plot() Matplotlib接口：

在一幅图中画多条曲线，可以重复调用plot：

1.调整图形：线条的颜色与风格

设置曲线颜色，用color参数，有多种表示方法：

如果不知道颜色，会为多条曲线默认使用一组颜色。

可以用linestyle参数调整线条风格：

组合color和linestyle参数：

2.调整图形：坐标轴上下限

也可以使用plt.axis()设置范围：

plt.axis()还可以设置布局：

3.设置图形标签

设置图形标题和坐标标题：

单图显示多条曲线时，设置图例：

绝大多数Matlab接口和面向对象接口是通用的，如plt.plot()和ax.plot(),plt.legend()和ax.legend()等，也有一些稍有不同，二者转换如下：

使用面向对象接口时，一般不单独调用这些函数，而是用ax.set()统一设置：

四、简易散点图

1.用plt.plot画散点图

演示一些不同的图形标记：

图形标记可以与线条和颜色结合使用：

设置散点和线条的属性：

2.用plt.scatter画散点图

与plt.plot()相比，plt.scatter()创建散点图更灵活：

引入鸢尾花数据集，feature[0]是花萼长度，feature[1]是花萼宽度，图中点的大小代表feature[3]花瓣的宽度，三种颜色对应三种类型的鸢尾花：

3.plot与scatter：效率对比

对于小型数据集，二者差异不大；对于大型数据集，plot比scatter快很多。

原因在于plot中散点基本彼此复制，整个数据集中所有点的颜色、尺寸只需要配置一次；scatter会对每个散点进行单独的大小与颜色的渲染。

五、可视化异常处理

1.基本误差线

改善选项，一般误差线颜色比数据点颜色浅一点比较好：

可以设置水平误差线、单侧误差线等。可以参考程序文档plt.errorbar.

2.连续误差

有时需要显示连续变量的误差：

通过高斯过程回归方法，演示对带有不确定性的连续测量值进行拟合：

fill_between首先传入x轴坐标值，然后传入y轴下边界，以及上边界，接下来是一些线条属性设置。，整个区域被误差线填充。

拟合效果：在接近样本点的区域，模型受很强的约束，拟合误差很小，接近真实值；远离样本点的区域，模型不受约束，误差不断增大。

六、密度图和等高线图

1.三维函数的可视化

等高线图可视化三维数据：

查看所有配色方案：

可以用plt.contourf()来填充等高线，语法和plt.contour()一致：

通过plt.imshow()，将2维数组渲染成渐变图：

imshow()注意事项：

1）plt.imshow()不支持x轴和y轴数据设置网格，必须通过extent参数设置图形的坐标范围[xmin,xmax,ymin,ymax

2) plt.imshow()原点在左上角，而不是绝大多数等高线图使用的左下角。在显示网格数据图形时必须调整

3）plt.imshow()会自动调整坐标轴的精度以适应数据显示。可以通过plt.axis(aspect='image')设置x和y轴的单位

将等高线图与彩色图结合：如将一幅背景为半透明的彩色图（alpha设置透明度），与另一幅坐标相同、带数据标签的等高线图叠放在一起（plt.clabel()):

七、频次直方图、数据区间划分和分布密度

一个简易的频次直方图：

个性化的频次直方图：

同坐标轴多个频次直方图：

简单计算每个区间内的样本数，不想画图：

1.二维频次直方图与数据区间划分

就像把一维数组分为区间创建一维频次直方图一样，可以将2维数组按照2维区间划分，创建2维频次直方图：

plt.hist2d:2维频次直方图

与hist一样hist2d也有很多其他配置选项。

如果不想画图，只想查看计算结果：

plt.hexbin:六边形区间划分

2维频次直方图是与坐标轴正交的方块分割而成的，比较常用的是用正六边形分割：

核密度估计

用于评估多维数据分布密度的常用方法，KDE。

演示用KDE抹去空间中离散的数据点，拟合出一个平滑的函数：

八、配置图例

可以使用plt.legend()/ax.legend()来创建最简单的图例，它会自动创建一个包含每个图形元素的图例：

个性化图例设置：

1.选择图例显示的元素

图例会默认显示所有元素的标签，也可以不显示全部：

也可以为要显示的图例设置标签：

2.在图例中显示不同尺寸的点

有时可能需要用不同尺寸的点表示数据特征，希望创建这样的图例来反应这些特征。

下面有点的尺寸来表示美国加州不同城市的面积，颜色代表不同城市的人口数，通过一个不同尺寸的点来显示不同面积的图例：

加州城市数据集下载密码:94pq

3.同时显示多个图例

如果要在一张图上显示多个图例不太容易，legend()只能为一张图设置第一个图例，再设置图例第一个会被覆盖。

可以通过如下方法实现：

九、配置颜色条

创建最简单的颜色条：

1.配置颜色条

通过cmap参数设置颜色条配色方案：

查看所有配色方案：

选择配色方案

一般情况下只需重点关注三种不同的配色方案：

1）顺序配色方案：由一组连续的颜色构成的配色方案（binary或viridis）

2）互逆配色方案：由两种互补的颜色构成，表示正反两种含义（RdBu或PuOr）

3）定性配色方案：随机顺序的一组颜色（rainbow或jet）

可以通过把配色方案转换成黑白的灰度图看看具体的颜色：

上图中灰度图中比较亮的条纹。这些亮度变化不均匀的条纹在彩色图中对应一段区间，由于色彩太接近容易凸显出数据集中不重要的部分，jet不是一种好的配色方案，更好的是viridis。

彩虹效果，可以用cubehelix配色方案可视化连续的数值：

要用两种颜色表示正反两种含义时，可使用RdBu双色配色方案：

颜色条刻度的限制与扩展功能的设置

颜色条本身可以看作一个plt.Axes的实例，之前学习的关于坐标轴和刻度纸的格式配置都可以用。

我们还可以缩短颜色取值的上下限，对于超出上下限的数据，通过extend用三角箭头表示比上限大的数或比下限小的数。

左图用默认的颜色条刻度限制实现的效果，噪点的范围完全覆盖了我们感兴趣的数据。

右图设置了颜色条刻度的上下限，并在上下限之外增加了扩展功能，这样数据可视化图形显然更有效果。

离散型颜色条

颜色条默认是连续的，有时可能需要表示离散数据：

2.案例：手写数字

下载手写数字数据集,对一些数字可视化：

每个数字由64个像素构成，每个数字可以看作一个64维空间中的点，每个维度表示一个像素的亮度。

可视化高维空间非常困难，一种解决方法是降维，在尽量保留数据内部重要关联性的同时降低数据的维度，如流形学习：

使用流形学习将数字投影到2维空间并可视化：

数字3和5投影面积有重叠，说明手写3，5难以区分，自动分类算法容易搞混；

其他数字如0和1，隔得比较远，说明2者不太可能出现混淆。

十、多子图

1.plt.axes:手动创建子图

plt.axes默认创建一个标准坐标轴，图形坐标系统由四个值组成[底坐标，左坐标，宽度，高度],取值范围为左下角为原点（0），右上角为1.

创建两个竖直排列的坐标轴：

上子图起点坐标y为0.5位置，与下子图对应，起点y坐标为0.1位置，高度为0.4

2.plt.subplot:简易网格子图

创建彼此对齐的行列子图：

面向对象接口可实现同样的效果：

3.plt.subplots:一行代码创建网格

4.plt.GridSpec:实现更复杂的排列方式

实现不规则的多行多列子图网格：

创建多轴频次直方图（后续的Seaborn中会有专门的接口）：

十一、文字与注释

基本的注释可能只是坐标轴标题与图标题，但注释远远不止这些。

1.案例：节假日对美国出生率的影响

美国出生人口数据下载密码:iwwn

如果为图形添加一些注释，就更能吸引读者注意了。plt.text()/ax.plot()可以在图中某个坐标点上手动添加注释：

2.坐标变换与文字位置

三种坐标变换方式：

1）ax.transData 以数据为基准的坐标变换，默认值，以x，y轴的标签作为数据坐标

2）ax.transAxes以坐标轴为基准的坐标变换，以下图中白色矩形左下角为原点，按坐标轴尺寸的比例显示坐标

3）fig.transFigure以图形为基准的坐标变换，以下图中灰色矩形左下角为原点，按图形尺寸的比例显示坐标

3.箭头与注释

arrowprop字典设置箭头风格，更多选项可以查看官方文档。

用之前的人口数据演示一些箭头注释：

十二、自定义坐标轴刻度

Matplotlib目标是用Python对象表现任意图形元素，例如每个figure对象都会包含一个或多个axes对象，每个axes对象又会包含其他表示图形内容的对象。

对于坐标轴刻度线，每个axes都有xaxis和yaxis属性，每个属性同包含构成坐标轴的线条、刻度和标签的全部属性。

1.主要刻度与次要刻度

主要刻度更显著且有标签，次要刻度更小且没有标签。一般情况下Matplotlib不使用次要刻度，可以在对数图中看到：

可以设置每个坐标轴的formatter和locator对象，自定义刻度线位置和标签。

查看x轴属性：

上图的主要刻度和次要刻度的位置都是由LogLocator对象设置。

上图的主要刻度的标签由LogFormatterMathtext对象设置；主要刻度的标签由NullFormatter对象设置，所以不显示。

2.隐藏刻度与标签

上例中隐藏了x轴标签，但刻度/网格线会保留；隐藏了y轴刻度，此时y轴标签也一并隐藏。

很多时候显示图片时是不需要刻度的,如显示人脸图片：