標籤：

支持各種平台，功能強大 Python 繪圖庫 Matplotlib 入門教程

04-02

運行環境

由於這是一個Python語言的軟體包，因此需要你的機器上首先安裝好Python語言的環境。關於這一點，請自行在網路上搜索獲取方法。

關於如何安裝Matplotlib請參見這裡：Matplotlib Installing。

筆者推薦大家通過pip的方式進行安裝，具體方法如下：

sudo pip3 install matplotlib

本文中的源碼和測試數據可以在這裡獲取：matplotlib_tutorial

本文的代碼示例會用到另外一個Python庫：NumPy。建議讀者先對NumPy有一定的熟悉，我之前也寫過一個NumPy的基礎教程，參見這裡：Python 機器學習庫 NumPy 教程。

本文的代碼在如下環境中測試：

  • Apple OS X 10.13
  • Python 3.6.3
  • matplotlib 2.1.1
  • numpy 1.13.3

介紹

Matplotlib適用於各種環境，包括：

  • Python腳本
  • IPython shell
  • Jupyter notebook
  • Web應用伺服器
  • 用戶圖形界面工具包

使用Matplotlib，能夠的輕易生成各種類型的圖像，例如：直方圖，波譜圖，條形圖，散點圖等。並且，可以非常輕鬆的實現定製。

入門代碼示例

下面我們先看一個最簡單的代碼示例，讓我們感受一下Matplotlib是什麼樣的：

# test.py

import matplotlib.pyplot as plt

import numpy as np

data = np.arange(100, 201)

plt.plot(data)

plt.show()

這段代碼的主體邏輯只有三行，但是它卻繪製出了一個非常直觀的線性圖，如下所示：

image

對照著這個線形圖，我們來講解一下三行代碼的邏輯：

  1. 通過np.arange(100, 201)生成一個[100, 200]之間的整數數組，它的值是：[100, 101, 102, … , 200]
  2. 通過matplotlib.pyplot將其繪製出來。很顯然，繪製出來的值對應了圖中的縱坐標（y軸）。而matplotlib本身為我們設置了圖形的橫坐標（x軸）：[0, 100]，因為我們剛好有100個數值
  3. 通過plt.show()將這個圖形顯示出來

這段代碼非常的簡單，運行起來也是一樣。如果你已經有了本文的運行環境，將上面的代碼保存到一個文本文件中（或者通過Github獲取本文的源碼），然後通過下面的命令就可以在你自己的電腦上看到上面的圖形了:

python3 test.py

注1：後面的教程中，我們會逐步講解如何定製圖中的每一個細節。例如：坐標軸，圖形，著色，線條樣式，等等。

注2：如果沒有必要，下文的截圖會去掉圖形外側的邊框，只保留圖形主體。

一次繪製多個圖形

有些時候，我們可能希望一次繪製多個圖形，例如：兩組數據的對比，或者一組數據的不同展示方式等。

可以通過下面的方法創建多個圖形：

多個figure

可以簡單的理解為一個figure就是一個圖形窗口。matplotlib.pyplot會有一個默認的figure，我們也可以通過plt.figure()創建更多個。如下面的代碼所示：

# figure.py

import matplotlib.pyplot as plt

import numpy as np

data = np.arange(100, 201)

plt.plot(data)

data2 = np.arange(200, 301)

plt.figure()

plt.plot(data2)

plt.show()

這段代碼繪製了兩個窗口的圖形，它們各自是一個不同區間的線形圖，如下所示：

image

註：初始狀態這兩個窗口是完全重合的。

多個subplot

有些情況下，我們是希望在同一個窗口顯示多個圖形。此時就這可以用多個subplot。下面是一段代碼示例：

# subplot.py

import matplotlib.pyplot as plt

import numpy as np

data = np.arange(100, 201)

plt.subplot(2, 1, 1)

plt.plot(data)

data2 = np.arange(200, 301)

plt.subplot(2, 1, 2)

plt.plot(data2)

plt.show()

這段代碼中，除了subplot函數之外都是我們熟悉的內容。subplot函數的前兩個參數指定了subplot數量，即：它們是以矩陣的形式來分割當前圖形，兩個整數分別指定了矩陣的行數和列數。而第三個參數是指矩陣中的索引。

因此，下面這行代碼指的是：2行1列subplot中的第1個subplot。

plt.subplot(2, 1, 1)

下面這行代碼指的是：2行1列subplot中的第2個subplot。

plt.subplot(2, 1, 2)

所以這段代碼的結果是這個樣子：

image

subplot函數的參數不僅僅支持上面這種形式，還可以將三個整數（10之內的）合併一個整數。例如：2, 1, 1可以寫成211，2, 1, 2可以寫成212。

因此，下面這段代碼的結果是一樣的：

import matplotlib.pyplot as plt

import numpy as np

data = np.arange(100, 201)

plt.subplot(211)

plt.plot(data)

data2 = np.arange(200, 301)

plt.subplot(212)

plt.plot(data2)

plt.show()

subplot函數的詳細說明參見這裡：matplotlib.pyplot.subplot

常用圖形示例

Matplotlib可以生成非常多的圖形式樣，多到令人驚嘆的地步。大家可以在這裡：Matplotlib Gallery 感受一下。

本文作為第一次的入門教程，我們先來看看最常用的一些圖形的繪製。

線性圖

前面的例子中，線性圖的橫軸的點都是自動生成的，而我們很可能希望主動設置它。另外，線條我們可能也希望對其進行定製。看一下下面這個例子：

# plot.py

import matplotlib.pyplot as plt

plt.plot([1, 2, 3], [3, 6, 9], -r)

plt.plot([1, 2, 3], [2, 4, 9], :g)

plt.show()

這段代碼可以讓我們得到這樣的圖形：

image

這段代碼說明如下：

  1. plot函數的第一個數組是橫軸的值，第二個數組是縱軸的值，所以它們一個是直線，一個是折線；
  2. 最後一個參數是由兩個字元構成的，分別是線條的樣式和顏色。前者是紅色的直線，後者是綠色的點線。關於樣式和顏色的說明請參見plot函數的API Doc：matplotlib.pyplot.plot

散點圖

scatter函數用來繪製散點圖。同樣，這個函數也需要兩組配對的數據指定x和y軸的坐標。下面是一段代碼示例：

# scatter.py

import matplotlib.pyplot as plt

import numpy as np

N = 20

plt.scatter(np.random.rand(N) * 100,

np.random.rand(N) * 100,

c=r, s=100, alpha=0.5)

plt.scatter(np.random.rand(N) * 100,

np.random.rand(N) * 100,

c=g, s=200, alpha=0.5)

plt.scatter(np.random.rand(N) * 100,

np.random.rand(N) * 100,

c=b, s=300, alpha=0.5)

plt.show()

這段代碼說明如下：

  1. 這幅圖包含了三組數據，每組數據都包含了20個隨機坐標的位置
  2. 參數c表示點的顏色，s是點的大小，alpha是透明度

這段代碼繪製的圖形如下所示：

image

scatter函數的詳細說明參見這裡：matplotlib.pyplot.scatter

餅狀圖

pie函數用來繪製餅狀圖。餅狀圖通常用來表達集合中各個部分的百分比。

# pie.py

import matplotlib.pyplot as plt

import numpy as np

labels = [Mon, Tue, Wed, Thu, Fri, Sat, Sun]

data = np.random.rand(7) * 100

plt.pie(data, labels=labels, autopct=%1.1f%%)

plt.axis(equal)

plt.legend()

plt.show()

這段代碼說明如下：

  1. data是一組包含7個數據的隨機數值
  2. 圖中的標籤通過labels來指定
  3. autopct指定了數值的精度格式
  4. plt.axis(equal)設置了坐標軸大小一致
  5. plt.legend()指明要繪製圖例（見下圖的右上角）

這段代碼輸出的圖形如下所示：

image

pie函數的詳細說明參見這裡：matplotlib.pyplot.pie

條形圖

bar函數用來繪製條形圖。條形圖常常用來描述一組數據的對比情況，例如：一周七天，每天的城市車流量。

下面是一個代碼示例：

# bar.py

import matplotlib.pyplot as plt

import numpy as np

N = 7

x = np.arange(N)

data = np.random.randint(low=0, high=100, size=N)

colors = np.random.rand(N * 3).reshape(N, -1)

labels = [Mon, Tue, Wed, Thu, Fri, Sat, Sun]

plt.title("Weekday Data")

plt.bar(x, data, alpha=0.8, color=colors, tick_label=labels)

plt.show()

這段代碼說明如下：

  1. 這幅圖展示了一組包含7個隨機數值的結果，每個數值是[0, 100]的隨機數
  2. 它們的顏色也是通過隨機數生成的。np.random.rand(N * 3).reshape(N, -1)表示先生成21（N x 3）個隨機數，然後將它們組裝成7行，那麼每行就是三個數，這對應了顏色的三個組成部分。如果不理解這行代碼，請先學習一下Python 機器學習庫 NumPy 教程
  3. title指定了圖形的標題，labels指定了標籤，alpha是透明度

這段代碼輸出的圖形如下所示：

image

bar函數的詳細說明參見這裡：matplotlib.pyplot.bar

直方圖

hist函數用來繪製直方圖。直方圖看起來是條形圖有些類似。但它們的含義是不一樣的，直方圖描述了數據中某個範圍內數據出現的頻度。這麼說有些抽象，我們通過一個代碼示例來描述就好理解了：

# hist.py

import matplotlib.pyplot as plt

import numpy as np

data = [np.random.randint(0, n, n) for n in [3000, 4000, 5000]]

labels = [3K, 4K, 5K]

bins = [0, 100, 500, 1000, 2000, 3000, 4000, 5000]

plt.hist(data, bins=bins, label=labels)

plt.legend()

plt.show()

上面這段代碼中，[np.random.randint(0, n, n) for n in [3000, 4000, 5000]]生成了包含了三個數組的數組，這其中：

  • 第一個數組包含了3000個隨機數，這些隨機數的範圍是 [0, 3000)
  • 第二個數組包含了4000個隨機數，這些隨機數的範圍是 [0, 4000)
  • 第三個數組包含了5000個隨機數，這些隨機數的範圍是 [0, 5000)

bins數組用來指定我們顯示的直方圖的邊界，即：[0, 100) 會有一個數據點，[100, 500)會有一個數據點，以此類推。所以最終結果一共會顯示7個數據點。同樣的，我們指定了標籤和圖例。

這段代碼的輸出如下圖所示：

image

在這幅圖中，我們看到，三組數據在3000以下都有數據，並且頻度是差不多的。但藍色條只有3000以下的數據，橙色條只有4000以下的數據。這與我們的隨機數組數據剛好吻合。

hist函數的詳細說明參見這裡：matplotlib.pyplot.hist

結束語

通過本文，我們已經知道了Matplotlib的大致使用方法和幾種最基本的圖形的繪製方式。

需要說明的是，由於是入門教程，因此本文中我們只給出了這些函數和圖形最基本的使用方法。但實際上，它們的功能遠不止這麼簡單。因此本文中我們貼出了這些函數的API地址以便讀者進一步的研究。私信回復07獲取Python零基礎入門教程

推薦閱讀：

TAG:平台 | Python | 入門教程 |