利用python进行数据分析 第九章 绘图和可视化

信息可视化(也叫绘图)是数据分析中最重要的工作之一。它可能是探索过程的一部分,例如,帮
助我们找出异常值、必要的数据转换、得出有关模型的idea等。另外,做一个可交互的数据可视化
也许是工作的最终目标。Python有许多库进行静态或动态的数据可视化,但我这里重要关注于
matplotlib( http://matplotlib.org/)和基于它的库。
matplotlib是一个用于创建出版质量图表的桌面绘图包(主要是2D方面)。该项目是由John Hunter
于2002年启动的,其目的是为Python构建一个MATLAB式的绘图接口。matplotlib和IPython社区进
行合作,简化了从IPython shell(包括现在的Jupyter notebook)进行交互式绘图。matplotlib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。除了几张,本书中的大部分图都是用它
生成的。
随着时间的发展,matplotlib衍生出了多个数据可视化的工具集,它们使用matplotlib作为底层。其
中之一是seaborn( http://seaborn.pydata.org/),本章后面会学习它。
学习本章代码案例的最简单方法是在Jupyter notebook进行交互式绘图。在Jupyter notebook中执
行下面的语句:
%matplotlib notebook

9.1 matplotlib API入门

matplotlib的通常引入约定是:
In [11]: import matplotlib.pyplot as plt

在Jupyter中运行%matplotlib notebook(或在IPython中运行%matplotlib),就可以创建一个简单
的图形。如果一切设置正确,会看到图9-1:
In [12]: import numpy as np
In [13]: data = np.arange(10)
In [14]: data
Out[14]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
In [15]: plt.plot(data)

利用python进行数据分析 第九章 绘图和可视化_第1张图片

虽然seaborn这样的库和pandas的内置绘图函数能够处理许多普通的绘图任务,但如果需要自定义
一些高级功能的话就必须学习matplotlib API。
笔记:虽然本书没有详细地讨论matplotlib的各种功能,但足以将你引入门。matplotlib的示例
库和文档是学习高级特性的最好资源。

FigureSubplot

matplotlib的图像都位于Figure对象中。你可以用plt.figure创建一个新的Figure:
In [16]: fig = plt.figure()

如果用的是IPython,这时会弹出一个空窗口,但在Jupyter中,必须再输入更多命令才能看到。
plt.figure有一些选项,特别是figsize,它用于确保当图片保存到磁盘时具有一定的大小和纵横比。
不能通过空Figure绘图。必须用add_subplot创建一个或多个subplot才行:
In [17]: ax1 = fig.add_subplot(2, 2, 1)

这条代码的意思是:图像应该是2×2的(即最多4张图),且当前选中的是4个subplot中的第一个
(编号从1开始)。如果再把后面两个subplot也创建出来,最终得到的图像如图9-2所示:
In [18]: ax2 = fig.add_subplot(2, 2, 2)
In [19]: ax3 = fig.add_subplot(2, 2, 3)

利用python进行数据分析 第九章 绘图和可视化_第2张图片

ᨀ示:使用Jupyter notebook有一点不同,即每个小窗重新执行后,图形会被重置。因此,
对于复杂的图形,,你必须将所有的绘图命令存在一个小窗里。
这里,我们运行同一个小窗里的所有命令:
fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)

如果这时执行一条绘图命令(如plt.plot([1.5, 3.5, -2, 1.6])),matplotlib就会在最后一个用过的
subplot(如果没有则创建一个)上进行绘制,隐藏创建figure和subplot的过程。因此,如果我们执
行下列命令,你就会得到如图9-3所示的结果:
In [20]: plt.plot(np.random.randn(50).cumsum(), 'k--')

利用python进行数据分析 第九章 绘图和可视化_第3张图片

"k--"是一个线型选项,用于告诉matplotlib绘制黑色虚线图。上面那些由fig.add_subplot所返回的对象是AxesSubplot对象,直接调用它们的实例方法就可以在其它空着的格子里面画图了,如图9-4
所示:
In [21]: ax1.hist(np.random.randn(100), bins=20, color='k', alpha=0.3)
In [22]: ax2.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30))

利用python进行数据分析 第九章 绘图和可视化_第4张图片

你可以在matplotlib的文档中找到各种图表类型。
创建包含subplot网格的figure是一个非常常见的任务,matplotlib有一个更为方便的方法
plt.subplots,它可以创建一个新的Figure,并返回一个含有已创建的subplot对象的NumPy数组:
In [24]: fig, axes = plt.subplots(2, 3)
In [25]: axes
Out[25]:
array([[,
,
],
[,
,
]], dtype
=object)

这是非常实用的,因为可以轻松地对axes数组进行索引,就好像是一个二维数组一样,例如
axes[0,1]。你还可以通过sharex和sharey指定subplot应该具有相同的X轴或Y轴。在比较相同范围
的数据时,这也是非常实用的,否则,matplotlib会自动缩放各图表的界限。有关该方法的更多信
息,请参见表9-1。
利用python进行数据分析 第九章 绘图和可视化_第5张图片

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,因此,如果你调整了图像大小(不管是编程还是手工),间距也会自动
调整。利用Figure的subplots_adjust方法可以轻而易举地修改间距,此外,它也是个顶级函数:
subplots_adjust(left= None , bottom= None , right= None , top= None ,
wspace= None , hspace= None )
wspace和hspace用于控制宽度和高度的百分比,可以用作subplot之间的间距。下面是一个简单的
例子,其中我将间距收缩到了0(如图9-5所示):
fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)
for i in range(2):
for j in range(2):
axes[i, j].hist(np.random.randn(500), bins=50, color='k', alpha=0.5)
plt.subplots_adjust(wspace=0, hspace=0)

利用python进行数据分析 第九章 绘图和可视化_第6张图片

不难看出,其中的轴标签重叠了。matplotlib不会检查标签是否重叠,所以对于这种情况,你只能
自己设定刻度位置和刻度标签。后面几节将会详细介绍该内容。

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。例如,
要根据x和y绘制绿色虚线,你可以执行如下代码:
ax.plot(x, y, 'g--')

这种在一个字符串中指定颜色和线型的方式非常方便。在实际中,如果你是用代码绘图,你可能不
想通过处理字符串来获得想要的格式。通过下面这种更为明确的方式也能得到同样的效果:
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')。你可以通过查看plot

的文档字符串查看所有线型的合集(在IPython和Jupyter中使用plot?)。
线图可以使用标记强调数据点。因为matplotlib可以创建连续线图,在点之间进行插值,因此有时
可能不太容易看出真实数据点的位置。标记也可以放到格式字符串中,但标记类型和线型必须放在
颜色后面(见图9-6):
In [30]: from numpy.random import randn
In [31]: plt.plot(randn(30).cumsum(), 'ko--')

利用python进行数据分析 第九章 绘图和可视化_第7张图片

还可以将其写成更为明确的形式:
plot(randn(30).cumsum(), color='k', linestyle='dashed', marker='o')

在线型图中,非实际数据点默认是按线性方式插值的。可以通过drawstyle选项修改(见图9-7):

In [33]: data = np.random.randn(30).cumsum()
In [34]: plt.plot(data, 'k--', label='Default')
Out[34]: []
In [35]: plt.plot(data, 'k-', drawstyle='steps-post', label='steps-post')
Out[35]: []
In [36]: plt.legend(loc='best')

利用python进行数据分析 第九章 绘图和可视化_第8张图片

你可能注意到运行上面代码时有输出。matplotlib会返回引用了新添加的子组件的对象。大多数时
候,你可以放心地忽略这些输出。这里,因为我们传递了label参数到plot,我们可以创建一个plot
图例,指明每条使用plt.legend的线。
笔记:你必须调用plt.legend(或使用ax.legend,如果引用了轴的话)来创建图例,无论你
绘图时是否传递label标签选项。

刻度、标签和图例

对于大多数的图表装饰项,其主要实现方式有二:使用过程型的pyplot接口(例如,
matplotlib.pyplot)以及更为面向对象的原生matplotlib API。
pyplot接口的设计目的就是交互式使用,含有诸如xlim、xticks和xticklabels之类的方法。它们分别
控制图表的范围、刻度位置、刻度标签等。其使用方式有以下两种:
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)。
所有这些方法都是对当前或最近创建的AxesSubplot起作用的。它们各自对应subplot对象上的两个
方法,以xlim为例,就是ax.get_xlim和ax.set_xlim。我更喜欢使用subplot的实例方法(因为我喜
欢明确的事情,而且在处理多个subplot时这样也更清楚一些)。当然你完全可以选择自己觉得方
便的那个。
设置标题、轴标签、刻度以及刻度标签
为了说明自定义轴,我将创建一个简单的图像并绘制一段随机漫步(如图9-8所示):
In [37]: fig = plt.figure()
In [38]: ax = fig.add_subplot(1, 1, 1)
In [39]: ax.plot(np.random.randn(1000).cumsum())
要改变x轴刻度,最简单的办法是使用set_xticks和set_xticklabels。前者告诉matplotlib要将刻度放
在数据范围中的哪些位置,默认情况下,这些位置也就是刻度标签。但我们可以通过
set_xticklabels将任何其他的值用作标签:
In [40]: ticks = ax.set_xticks([0, 250, 500, 750, 1000])
In [41]: labels = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'],
....: rotation=30, fontsize='small')

rotation选项设定x刻度标签倾斜30度。最后,再用set_xlabel为X轴设置一个名称,并用set_title设
置一个标题(见图9-9的结果):
In [42]: ax.set_title('My first matplotlib plot')
Out[42]: 
In [43]: ax.set_xlabel('Stages')
Y轴的修改方式与此类似,只需将上述代码中的x替换为y即可。轴的类有集合方法,可以批量设定
绘图选项。前面的例子,也可以写为:
props = {
'title': 'My first matplotlib plot',
'xlabel': 'Stages'
}
ax.set(**props)

添加图例

图例(legend)是另一种用于标识图表元素的重要工具。添加图例的方式有多种。最简单的是在
添加subplot的时候传入label参数:
In [44]: from numpy.random import randn
In [45]: fig = plt.figure(); ax = fig.add_subplot(1, 1, 1)
In [46]: ax.plot(randn(1000).cumsum(), 'k', label='one')
Out[46]: []
In [47]: ax.plot(randn(1000).cumsum(), 'k--', label='two')
Out[47]: []
In [48]: ax.plot(randn(1000).cumsum(), 'k.', label='three')
Out[48]: []

在此之后,你可以调用ax.legend()或plt.legend()来自动创建图例(结果见图9-10):
In [49]: ax.legend(loc='best')

利用python进行数据分析 第九章 绘图和可视化_第9张图片

legend方法有几个其它的loc位置参数选项。请查看文档字符串(使用ax.legend?)。
loc告诉matplotlib要将图例放在哪。如果你不是吹毛求疵的话,"best"是不错的选择,因为它会选
择最不碍事的位置。要从图例中去除一个或多个元素,不传入label或传入label=' nolegend '即可。
(中文第一版这里把best错写成了beat)

注解以及在Subplot上绘图

除标准的绘图类型,你可能还希望绘制一些子集的注解,可能是文本、箭头或其他图形等。注解和
文字可以通过text、arrow和annotate函数进行添加。text可以将文本绘制在图表的指定坐标(x,y),
还可以加上一些自定义格式:
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。例如,我们根据最近的标准普尔500指数价格(来自
Yahoo!Finance)绘制一张曲线图,并标出2008年到2009年金融危机期间的一些重要日期。你可
以在Jupyter notebook的一个小窗中试验这段代码(图9-11是结果):
from datetime import datetime
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
data = pd.read_csv('examples/spx.csv', index_col=0, parse_dates=True)
spx = data['SPX']
spx.plot(ax=ax, style='k-')
crisis_data = [
(datetime(2007, 10, 11), 'Peak of bull market'),
(datetime(2008, 3, 12), 'Bear Stearns Fails'),
(datetime(2008, 9, 15), 'Lehman Bankruptcy')
]
for date, label in crisis_data:
ax.annotate(label, xy=(date, spx.asof(date) + 75),
xytext=(date, spx.asof(date) + 225),
arrowprops=dict(facecolor='black', headwidth=4, width=2,
headlength=4),
horizontalalignment='left', verticalalignment='top')
# Zoom in on 2007-2010
ax.set_xlim(['1/1/2007', '1/1/2011'])
ax.set_ylim([600, 1800])
ax.set_title('Important dates in the 2008-2009 financial crisis')

利用python进行数据分析 第九章 绘图和可视化_第10张图片

这张图中有几个重要的点要强调:ax.annotate方法可以在指定的x和y坐标轴绘制标签。我们使用
set_xlim和set_ylim人工设定起始和结束边界,而不使用matplotlib的默认方法。最后,用
ax.set_title添加图标标题。
更多有关注解的示例,请访问matplotlib的在线示例库。
图形的绘制要麻烦一些。matplotlib有一些表示常见图形的对象。这些对象被称为块(patch)。其
中有些(如Rectangle和Circle),可以在matplotlib.pyplot中找到,但完整集合位于
matplotlib.patches。
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(如图9-12所示):
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)

利用python进行数据分析 第九章 绘图和可视化_第11张图片

如果查看许多常见图表对象的具体实现代码,你就会发现它们其实就是由块patch组装而成的。

将图表保存到文件

利用plt.savefig可以将当前图表保存到文件。该方法相当于Figure对象的实例方法savefig。例如,
要将图表保存为SVG文件,你只需输入:
plt.savefig('figpath.svg')

文件类型是通过文件扩展名推断出来的。因此,如果你使用的是.pdf,就会得到一个PDF文件。我

在发布图片时最常用到两个重要的选项是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)。要得到一张带有最小白边且分辨率为400DPI的PNG图片,你可
以:
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()

表9-2列出了savefig的其它选项。 利用python进行数据分析 第九章 绘图和可视化_第12张图片

matplotlib配置

matplotlib自带一些配色方案,以及为生成出版质量的图片而设定的默认配置信息。幸运的是,几
乎所有默认行为都能通过一组全局参数进行自定义,它们可以管理图像大小、subplot边距、配色
方案、字体大小、网格类型等。一种Python编程方式配置系统的方法是使用rc方法。例如,要将全
局的图像默认大小设置为10×10,你可以执行:
plt.rc('figure', figsize=(10, 10))

rc的第一个参数是希望自定义的对象,如'figure'、'axes'、'xtick'、'ytick'、'grid'、'legend'等。其后

可以跟上一系列的关键字参数。一个简单的办法是将这些选项写成一个字典:
font_options = {'family' : 'monospace',
'weight' : 'bold',
'size' : 'small'}
plt.rc('font', **font_options)

要了解全部的自定义选项,请查阅matplotlib的配置文件matplotlibrc(位于matplotlib/mpl-data目录
中)。如果对该文件进行了自定义,并将其放在你自己的.matplotlibrc目录中,则每次使用
matplotlib时就会加载该文件。
下一节,我们会看到,seaborn包有若干内置的绘图主题或类型,它们使用了matplotlib的内部配
置。

你可能感兴趣的:(利用Python进行数据分析,python,数据分析,开发语言)