python 数据分析9 绘图和可视化

系列文章：Python 数据分析

九、绘图和可视化

1、matplotlib API入门

import matplotlib.pyplot as plt

matplotlib的图像都位于Figure对象中。创建一个新Figure：

fig = plt.figure()

不能通过空Figure绘图。必须用add_subplot创建一个或多个subplot才行:

# 图像是2*2的
ax1 = fig.add_subplot(2, 2, 1) # 选中第一张图
ax2 = fig.add_subplot(2, 2, 2) # 选中第二张图
ax3 = fig.add_subplot(2, 2, 3) # 选中第三张图

调整subplot周围的间距

默认情况下，matplotlib会在subplot外围留下一定的边距，并在subplot之间留下一定的间距。间距跟图像的高度和宽度有关。

subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

颜色、标记和线型

matplotlib的plot函数接受一组X和Y坐标，还可以接受一个表示颜色和线型的字符串缩写。

ax.plot(x, y, 'g--')
ax.plot(x, y, linestyle='--', color='g')

常用的颜色可以使用颜色缩写，你也可以指定颜色码（例如，’#CECECE’）。

线图可以使用标记强调数据点。标记类型和线型必须放在颜色后面。

from numpy.random import randn
plt.plot(randn(30).cumsum(), 'ko--')

# 或者
plot(randn(30).cumsum(), color='k', linestyle='dashed', marker='o')

刻度、标签和图例

xlim、xticks和xticklabels 分别控制图表的范围、刻度位置、刻度标签。

调用时不带参数，则返回当前的参数值（例如，plt.xlim()返回当前的X轴绘图
范围）。调用时带参数，则设置参数值（例如，plt.xlim([0,10])会将X轴的范围设置为0到10）。

它们分别对应subplot对象上的两个方法，比如 xlim 对应 ax.get_xlim 和 ax.set_xlim。

添加图例

不同的线要有不同的 lable，也就是这里的图例。

最简单的是在添加subplot的时候传入label参数：

from numpy.random import randn
fig = plt.figure(); ax = fig.add_subplot(1, 1, 1)

ax.plot(randn(1000).cumsum(), 'k', label='one')
ax.plot(randn(1000).cumsum(), 'k--', label='two')
ax.plot(randn(1000).cumsum(), 'k.', label='three')

在此之后，你可以调用ax.legend()或plt.legend()来自动创建图例：

ax.legend(loc='best')

注解

注解和文字可以通过text、arrow和annotate函数进行添加。

ax.text(x, y, 'Hello world!', family='monospace', fontsize=10)

注解中可以既含有文本也含有箭头。

Subplot上绘图

要在图表中添加一个图形，你需要创建一个块对象shp，然后通过 ax.add_patch(shp) 将其添加到 subplot 中：

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color='k', alpha=0.3)
circ = plt.Circle((0.7, 0.2), 0.15, color='b', alpha=0.3)
pgon = plt.Polygon([[0.15, 0.15], [0.35, 0.4], [0.2, 0.6]], color='g', alpha=0.5)

ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)

将图表保存到文件

利用plt.savefig可以将当前图表保存到文件：

plt.savefig('figpath.svg')

两个重要的选项是dpi（控制“每英寸点数”分辨率）和bbox_inches（可以剪除当前图表周围的空白部分）:

# 最小白边且分辨率为400DPI的PNG图片
plt.savefig('figpath.png', dpi=400, bbox_inches='tight')

savefig并非一定要写入磁盘，也可以写入任何文件型的对象，比如BytesIO：

from io import BytesIO
buffer = BytesIO()
plt.savefig(buffer)
plot_data = buffer.getvalue()

savefig 的其它选项：

2、使用pandas和seaborn绘图

在pandas中，我们有多列数据，还有行和列标签。pandas自身就有内置的方法，用于简化从DataFrame和Series绘制图形。

另一个库seaborn（https://seaborn.pydata.org/），由Michael Waskom创建的静态图形库。Seaborn简化了许多常见可视类型的创建。

线型图

Series 和 DataFrame 都有一个用于生成各类图表的plot方法。默认情况下，它们所生成的是线型图：

s = pd.Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()

DataFrame的plot方法会在一个subplot中为各列绘制一条线，并自动创建图例：

df = pd.DataFrame(np.random.randn(10, 4).cumsum(0), columns=['A', 'B', 'C', 'D'], index=np.arange(0, 100, 10))
df.plot()

柱状图

plot.bar() 和 plot.barh() 分别绘制水平和垂直的柱状图。这时，Series和DataFrame的索引将会被用作X（bar）或Y（barh）刻度：

fig, axes = plt.subplots(2, 1)
data = pd.Series(np.random.rand(16), index=list('abcdefghijklmnop'))
data.plot.bar(ax=axes[0], color='k', alpha=0.7) # 索引为x刻度
data.plot.barh(ax=axes[1], color='k', alpha=0.7) # 索引为y刻度

对于DataFrame，柱状图会将每一行的值分为一组，并排显示：

df = pd.DataFrame(np.random.rand(6, 4), index=['one', 'two', 'three', 'four','five', 'six'], columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))
df.plot.bar()

直方图和密度图

直方图 plot.hist方法
密度图 plot.density方法

seaborn 的 distplot 方法绘制直方图和密度图更加简单，还可以同时画出直方图和连续密度估计图：

comp1 = np.random.normal(0, 1, size=200)
comp2 = np.random.normal(10, 2, size=200)
values = pd.Series(np.concatenate([comp1, comp2]))
sns.distplot(values, bins=100, color='k')

散布图或点图

使用seaborn的regplot方法，它可以做一个散布图，并加上一条线性回归的线：

import seaborn as sns
sns.regplot('m1', 'unemp', data=your_data)

在探索式数据分析工作中，同时观察一组变量的散布图是很有意义的，这也被称为散布图矩阵（scatter plot matrix）。
seaborn提供了一个便捷的pairplot函数，它支持在对角线上放置每个变量的直方图或密度估计：

sns.pairplot(trans_data, diag_kind='kde', plot_kws={'alpha': 0.2})

分面网格（facet grid）和类型数据

一个数据有多个分类维度的情况。

有多个分类变量的数据可视化的一种方法是使用小面网格。seaborn有一个有用的内置函数factorplot，可以简化制作多种分面图：

sns.factorplot(x='day', y='tip_pct', hue='time', col='smoker',kind='bar', data=tips[tips.tip_pct < 1])