第92天：Python Matplotlib 进阶操作
本章节主要是 Matplotlib 和 NumPy 实际操作案例讲解，matplotlib 通常与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案，除此之外，它还可以和其他图形工具包搭配使用。前提是在现在的环境中已经安装了 Numpy 模块，Numpy 安装详情请参考第79天：数据分析之 Numpy 初步
这一节将从简到繁用实例讲解 matplotlib 和 Numpy 结合使用的知识点。
1、折线图
使用 Numpy的函数 np.arange() 函数创建 x 轴上的值。将 y 轴上的对应值存储在另一个数组对象 y 中。这些值使用 matplotlib 软件包的 pyplot 子模块的 plot() 函数绘制。
实例如下：
# 导入模块import numpy as npimport matplotlib.pyplot as plt
# 绘制 x 轴数据x = np.arange(2,15)y = 3 * x+6
# 给图形设置标题plt.title('line chart')# 设置 x 轴和 y 轴的属性名plt.xlabel("x axis")plt.ylabel("y axis")
# 绘制图形plt.plot(x,y)
# 显示图形plt.show()以上程序运行结果图：
注意：作为线性图的替代，可以通过向 plot() 函数添加格式字符串来显示离散值，可以使用以下格式化字符,表格如下：
| 字符 | 描述 |
|---|---|
| '-' | 实线样式 |
| '--' | 短横线样式 |
| '-.' | 点划线样式 |
| ':' | 虚线样式 |
| '.' | 点标记 |
| ',' | 像素标记 |
| 'o' | 圆标记 |
| 'v' | 倒三角标记 |
| '^' | 正三角标记 |
| '<' | 左三角标记 |
| '>' | 右三角标记 |
| '1' | 下箭头标记 |
| '2' | 上箭头标记 |
| '3' | 左箭头标记 |
| '4' | 右箭头标记 |
| 's' | 正方形标记 |
| 'p' | 五边形标记 |
| '*' | 星形标记 |
| 'h' | 六边形标记 1 |
| 'H' | 六边形标记 2 |
| '+' | 加号标记 |
| 'x' | X 标记 |
| 'D' | 菱形标记 |
| 'd' | 窄菱形标记 |
| '|' | 竖直线标记 |
| '_' | 水平线标记 |
图形显示颜色缩写简写表格如下：
| 字符 | 颜色 |
|---|---|
| 'b' | 蓝色 |
| 'g' | 绿色 |
| 'r' | 红色 |
| 'c' | 青/绿色 |
| 'm' | 品红色 |
| 'y' | 黄色 |
| 'k' | 黑色 |
| 'w' | 白色 |
| 'o' | 橙色 |
2、散点图
使用以上两个表格表示的简化符号画一个绿色散点图，散点使用 'o'表示，，具体实例如下：
# 导入模块import numpy as npimport matplotlib.pyplot as plt
x = np.arange(2, 15)y = 2 * x + 6plt.title("scatter chart")plt.xlabel("x axis")plt.ylabel("y axis")
# 设置图形样式和颜色plt.plot(x, y, "oc")plt.show()以上程序运行结果为：
例如绘制一个倒三角图形：
# 导入模块import numpy as npimport matplotlib.pyplot as plt
x = np.arange(2, 15)y = 2 * x + 6plt.title("triangle_scatter chart")plt.xlabel("x axis")plt.ylabel("y axis")
# 设置图形样式和颜色plt.plot(x, y, "^c")plt.show()显示结果如下：
3、正余弦波形图
正弦波形图
正弦波形图的绘制需要用到 Numpy 的数学函数 sin() 和 cos(),详细的数学函数使用请参考 NumPy 系列文章：第 84 天：NumPy 数学函数
import numpy as npimport matplotlib.pyplot as plt
# 计算正弦曲线上点的 x 和 y 坐标print(np.pi)
# 绘制 x 轴，从 0 开始，x = np.arange(0, 3 * np.pi, 0.1)y = np.sin(x)
# 设置标题plt.title("sine wave form")
# 绘制图形点plt.plot(x, y, 'y')plt.show()显示结果：
余弦波形图
import numpy as npimport matplotlib.pyplot as plt
# 计算正弦曲线上点的 x 和 y 坐标print(np.pi)
# 绘制 x 轴，从 0 开始，x = np.arange(0, 4 * np.pi, 0.1)y = np.cos(x)
# 设置标题plt.title("cosine wave form")
# 绘制图形点plt.plot(x, y, 'm')plt.show()正余弦波形图
在一张图中显示出正弦函数和余弦函数，这里需要使用 subplot 来建立网格图，一幅图中使用两个网格，两个网格中分别展示正弦函数和余弦函数；subplot 函数使用说明如下：
matplotlib 中, 一个 Figure 对象可以包含多个子图(Axes), 可以使用 subplot() 快速绘制, 调用形式如下 :
subplot(numRows, numCols, plotNum)参数说明：
图表的整个绘图区域被分成 numRows 行和 numCols 列 然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1，左下子区域编号为3，右上子区域编号为2，右下子区域编号为 4，当然具体的还要看指定网格的行数和列数而定。 plotNum 参数指定创建的 Axes 对象所在的区域
网格编号图如下：
假如 numRows ＝ 2, numCols ＝ 3, 那整个绘制图表样式为 2X3 的图片区域, 用坐标表示为
(1, 1), (1, 2), (1, 3)(2, 1), (2, 2), (2, 3)再当 plotNum ＝ 3 时, 表示的坐标为(1, 3), 即第一行第三列的子图 如果 numRows, numCols 和 plotNum 这三个数都小于 10 的话, 可以把它们缩写为一个整数, 例如 subplot(323) 和 subplot(3,2,3) 是相同的。
subplot 在 plotNum 指定的区域中创建一个轴对象， 如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。
例1：上述网格编号图代码如下
import matplotlib.pyplot as plt
plt.subplot(2,2,1)plt.xticks([]), plt.yticks([])plt.text(0.5,0.5, 'subplot(2,2,1)',ha='center',va='center',size=20,alpha=.5)
plt.subplot(2,2,2)plt.xticks([]),plt.yticks([])plt.text(0.5,0.5, 'subplot(2,2,2)',ha='center',va='center',size=20,alpha=.5)
plt.subplot(2,2,3)plt.xticks([]), plt.yticks([])plt.text(0.5,0.5, 'subplot(2,2,3)',ha='center',va='center',size=20,alpha=.5)
plt.subplot(2,2,4)plt.xticks([]), plt.yticks([])plt.text(0.5,0.5, 'subplot(2,2,4)',ha='center',va='center',size=20,alpha=.5)
plt.show()例4:
import matplotlib.pyplot as plt
plt.subplot(211) # 第一行的左图plt.subplot(212) # 第一行的右图
plt.show()还可以表示为：
import matplotlib.pyplot as plt
plt.subplot(2,1,1)#设置 x 和 y 轴上的值plt.xticks([]), plt.yticks([]) # 表示无显示值plt.text(0.5,0.5, 'subplot(2,1,1)',ha='center',va='center',size=24,alpha=.5)
plt.subplot(2,1,2)plt.xticks([]), plt.yticks([])plt.text(0.5,0.5, 'subplot(2,1,2)',ha='center',va='center',size=24,alpha=.5)
plt.show()结果显示：
网格图1：
网格图2:
所以正余弦函数波形图可以表示为：
# 计算正弦和余弦曲线上的点的 x 和 y 坐标x = np.arange(0, 3 * np.pi, 0.1)y_sin = np.sin(x)y_cos = np.cos(x)
# 建立 subplot 网格，高为 2，宽为 1# 激活第一个 subplotplt.subplot(2, 1, 1)# 绘制第一个图像plt.plot(x, y_sin)plt.title('Sine')
# 将第二个 subplot 激活，并绘制第二个图像plt.subplot(2, 1, 2)plt.plot(x, y_cos)plt.title('Cosine')
# 展示图像plt.show()最后图形展示：
4、直方图
直方图也称条形图，pyplot 子模块提供 bar() 函数来生成条形图，下面的实例是一个使用 bar() 函数生成的一个简单的柱状图. 实例如下：
import matplotlib.pyplot as plt
# 设置 x 的 x 轴和 y 轴数值x = [5,8,10]y = [12,16,6]
# 设置 x2 的 x 轴和 y 轴数值x2 = [6,9,11]y2 = [6,15,7]
# 使用 bar() 函数设置条形图的颜色和对齐方式plt.bar(x, y,color='y', align='center')plt.bar(x2, y2, color='c', align='center')
# 设置标题plt.title('Bar chart')# 设置 x 轴和 y 轴的属性名plt.ylabel('Y axis')plt.xlabel('X axis')
# 展示图形plt.show()程序运行结果为：
Matplotlib 结合 NumPy 使用：
这时候需要用到 NumPy 中的直方统计函图：histogram
histogram(a,bins=10,range=None,weights=None,density=False);参数说明：
a是待统计数据的数组；bins指定统计的区间个数；range是一个长度为2的元组，表示统计范围的最小值和最大值，默认值None，表示范围由数据的范围决定weights为数组的每个元素指定了权值,histogram()会对区间中数组所对应的权值进行求和density为True时，返回每个区间的概率密度；为False，返回每个区间中元素的个数
函数说明：
numpy.histogram()函数是数据的频率分布的图形表示。水平尺寸相等的矩形对应于类间隔，称为 bin，变量 height 对应于频率。numpy.histogram()函数将输入数组和 bin 作为两个参数。bin 数组中的连续元素用作每个 bin 的边界。
例如：
import numpy as np
# 赋值数组 aa = np.array([22, 87, 5, 43, 56, 73, 55, 54, 11, 20, 51, 5, 79, 31, 27])
# 调用函数np.histogram(a, bins=[0, 20, 40, 60, 80, 100])hist, bins = np.histogram(a, bins=[0, 20, 40, 60, 80, 100])
# 输出值print(hist)print(bins)输出结果为：
[3 4 5 2 1][ 0 20 40 60 80 100]plt()函数使用：
Matplotlib 可以将直方图的数字表示转换为图形。pyplot 子模块的 plt() 函数将包含数据和 bin 数组的数组作为参数，并转换为直方图，例如：
import numpy as npimport matplotlib.pyplot as plt
# 赋值数组 aa = np.array([22, 87, 43, 56, 73, 55, 11, 20, 51, 5, 79, 27,100])
# plt() 函数将数据变为直方图plt.hist(a, bins=[0,20,40,60,80,100])plt.title("histogram")# 显示图形plt.show()显示结果：
5、曲线图
例1：一个简单的曲线图
画出一个简单的曲线图，如下所示：
import matplotlib.pyplot as pltimport numpy as np
n = 256X = np.linspace(-np.pi,np.pi,n,endpoint=True)Y = np.sin(2*X)
plt.plot (X, Y+1, color='blue', alpha=1.00)plt.plot (X, Y-1, color='blue', alpha=1.00)
plt.title('curve_chart1')plt.show()结果展示为：
例2：升级版的曲线图
import numpy as npimport matplotlib.pyplot as plt
n = 256X = np.linspace(-np.pi,np.pi,n,endpoint=True)Y = np.sin(2*X)
plt.plot (X, Y+1, color='blue', alpha=1.00)plt.fill_between(X, 1, Y+1, color='blue', alpha=.25)
plt.plot (X, Y-1, color='blue', alpha=1.00)
# 设置线条颜色和填充颜色区域plt.fill_between(X, -1, Y-1, (Y-1) > -1, color='blue', alpha=.25)plt.fill_between(X, -1, Y-1, (Y-1) < -1, color='red', alpha=.25)
plt.title('curve_chart2')plt.show()结果展示为：
总结
本章节是 Matplotlib 结合 NumPy 使用的画图方法，主要介绍了折线图、正余弦波形图、方形图、曲线图的基本画法，同时也详细讲述了子图 subplot的基本使用方法，希望以上知识点能对学习这一模块的伙伴们提供更好支撑，若有任何问题欢迎在交流群中进行交流 :)
参考
https://www.runoob.com/numpy/numpy-matplotlib.html
https://www.runoob.com/w3cnote/matplotlib-tutorial.html
https://matplotlib.org/tutorials/introductory/usage.html#sphx-glr-tutorials-introductory-usage-py
文中示例代码：https://github.com/JustDoPython/python-100-day
系列文章