【数据科学系统学习】Python # 数据分析基本操做[三] matplotlib

咱们在上一篇介绍了 pandas，本篇介绍 matplotlib。

---

绘图和可视化

一个用于建立出版质量图表的桌面绘图包。

Matplotlib API入门

Figure 和 Subplot

---

matplotlib的图像都位于Figure对象中。

带有三个subplot的Figure：

这些由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能够在其它空着的格子里画图了。

这时发出一条绘图命令，matplotlib就会在最后一个用过的subplot上进行绘制（若是没有会建立一个）：

K--：一个线型选项，用于告诉matplotlib绘制黑色虚线图。

---

依次画出虚线、直方图、散点图。

根据特定布局建立Figure和subplot的简便方法：plt.subplots， 它能够建立一个新的Figure，并返回一个含有已建立的subplot对象的NumPy数组：

能够对 axes数组进行索引，就像是一个二维数组同样：

还能够经过sharex和sharey指定subplot应该具备相同的X轴或Y轴（刻度），在比较相同范围的数据时用，不然matplotlib会自动缩放各图表的界限。

---

调整subplot周围的间距

---

默认状况下，matplotlib会在subplot外围留下必定的边距，在subplot之间留下必定的间距。间距跟图像的高度和宽度有关。

利用Figure的subplots_adjust方法修改间距。

下面的例子间距收缩到 0：

轴标签重叠了，matplotlib不会检查标签是否重叠，这时要本身设定刻度位置和刻度标签。

能够在matplotlib的文档中找到各类图表类型。

---

颜色、标记和线型

---

完整的linestyle列表参见plot的文档。

ax.plot(x, y, 'g--')  #根据x, y绘制绿色虚线
ax.plot(x, y, linestyle='--', color='g')   #更明确的方式，和上面同样的效果

要使用其余任意颜色能够经过指定其 RGB 值的形式（如 #CECECE）

matplotlib建立的是连续的线型图，即点与点之间插值，非实际数据点默认是按线性方式插值的，能够经过drawstyle选项修改：

---

线型图能够加上一些标记，以强调实际的数据点：

标记类型和线型必须放在颜色后面。

简化的写法：

---

刻度、标签和图例

---

• 过程型的pyplot接口

  交互式使用，有xlim, xticks, 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。
  调用时不带参数，如plt.xlim()返回当前的X轴绘图范围。
  调用时带参数，如plt.xlim([0, 10])会将X轴的范围设置为 0 到 10。

• 更为面向对象的原生matplotlib API。

---

设置标题、轴标签、刻度以及刻度标签

---

绘制一段随机漫步：

修改X轴刻度：set_xticks（数值），set_xticklabels（其余任何的值用做刻度）。

---

添加图例（legend）

---

添加图例的方式：添加subplot的时候传入label参数。

调用 ax.legend() 或 plt.legend() 来自动建立图例。

loc告诉matplotlib要将图例放在哪，best选择最不碍事的位置。

去除图例：不传入label或传入label='_nolegend_'（注意有两个下划线）。

---

注释以及在Subplot上绘图

---

注释：经过 text, arrow, annotate 等函数进行添加。

---

matplotlib有一些表示常见图形的对象：称为块（patch），完整的集合位于matplotlib.patches。

建立一个块对象shp，而后经过ax.add_patch(shp)将其添加到subplot中：

图表对象：它们其实就是由块组装而成的。

---

将图表保存到文件

---

利用 plt.savefig 能够将当前图表保存到文件。（该方法至关于 Figure 对象的实例方法 savefig）。

如要将图表保存为 SVG 文件：

两个重要的选项：

• dpi：控制“每英寸点数”分辨率；
• bbox_inches：能够剪除当前图表周围的空白部分。

获得一张带有最小白边且分辨率为 400DPI 的 PNG 图片：

savefig并不是必定要写入磁盘，也可写入任何文件型的对象，好比StringIO：

---

matplotlib配置

---

操做matplotlib配置系统的方式：Python 编程方式，即利用rc方法。

如将全局的图像默认大小设置为 10 * 10，执行：

plt.rc('figure', figsize=(10, 10))

rc的第一个参数：是但愿自定义的对象（如'figure', 'axes', 'xtick', 'ytick', 'grid', 'legend'），这里是figure。

能够跟一系列的关键字参数，将它们写成一个字典：

所有的自定义选项：查阅matplotlib的配置文件matplotlibrc（位于 matplotlib/mpl-data 目录中）。对该文件进行自定义，并将其放在目录中，则每次使用matplotlib时就会加载该文件。

---

pandas中的绘图函数

在pandas中，有行标签、列标签、分组信息。

要制做一张完整的图表，本来须要一大堆的matplotlib代码，如今只需一两条简洁的语句就能够了。pandas有许多可以利用DataFrame对象数据组织特色来建立标准图表的高级绘图方法。

---

线型图

---

Series和DataFrame都有一个用于生成各种图表的plot方法，默认状况下它们都生成线型图。

DataFrame的plot方法会在一个 subplot 中为各列绘制一条线，并自动建立图例。

---

柱状图

---

垂直柱状图：Kind='bar'
水平柱状图：Kind='barh'

---

设置 stacked=True 便可为DataFrame生成堆积柱状图：

---

柱状图利用value_counts图形化显示Series中各值的出现频率，如：

---

直方图和密度图

---

直方图（histogram）：是一种能够对值频率进行离散化显示的柱状图。

密度图：经过计算“可能会产生观测数据的连续几率分布的估计”而产生的。

通常的过程是将该分布近似为一组核（如正态（高斯）分布之类的较为简单的分布）。

密度图也被称做 KDE 图（Kernel Density Estimate 核密度估计）。

直方图和密度图常被画在一块儿，直方图以规格化形式给出（以便给出面元密度），再在其上绘制核密度估计。

---

由两个不一样的标准正态分布组成的双峰分布：

最后一行代码绘制的密度图的最终结果：

---

散布图

---

散布图（scatter plot）：是观察两个一维数据序列之间关系的有效手段。

matplotlib的scatter方法是绘制散布图的主要方法。

在探索式数据分析工做中，同时观察一组变量的散布图是颇有意义的。也被称为散布图矩阵（scatter plot matrix）。

pandas提供了一个能从DataFrame建立散布图矩阵的 scatter_matrix 函数，它还支持在对角线上放置各变量的直方图或密度图。

---

不足之处，欢迎指正。