初探Matplotlib

初探Matplotlib

例子来自此书: 《Python编程从入门到实战》【美】Eric Matthes

使用pyplot绘图，一般的导入方法import matplotlib.pyplot as plt

以下代码均在Jupyter Notebook中运行

折线图

先看一个简单的例子

import matplotlib.pyplot as plt

in_values = [1, 2 ,3, 4, 5]
squares = [1, 4, 9 ,16, 25]
# 第一个参数是X轴输入，第二个参数是对应的Y轴输出；linewidth绘制线条的粗细
plt.plot(in_values, squares, linewidth=4)
# 标题、X轴、Y轴
plt.title('Squares', fontsize=20)
plt.xlabel('Value', fontsize=12)
plt.ylabel('Square of the value', fontsize=12)
# plt.tick_params(axis='both', labelsize=15)
plt.show()

图如下，可以看到x轴太密了，甚至都有小数。

如果想x轴只出现我们的样本值，可以使用tick_params函数修改刻度标记的大小。把上面代码中的倒数第二行取消注释，得到下面的图像。

plt.tick_params(axis='both', labelsize=15)，其中axis=both表示同时影响x、y轴的刻度，labelsize指定了刻度的字号，字号变大，同一长度下显示的坐标点数越少，反之亦反。由于将labelsize设置得比默认大了，故x、y轴显示的坐标点数变少。更符合这个例子。

散点图

还是上面的平方例子。这次使用散点图绘制。

in_values = [1, 2 ,3, 4, 5]
squares = [1, 4, 9 ,16, 25]
# s参数为点的大小
plt.scatter(in_values, squares, s=80)
plt.title('Squares', fontsize=20)
plt.xlabel('Value', fontsize=12)
plt.ylabel('Square of the value', fontsize=12)
plt.tick_params(axis='both', labelsize=15)
plt.show()

可以看到，只是将plt.plot换成了plt.scatter，其余的代码基本没变。

若输入和输出的点比较多，可使用列表推导式。同时可以指定点的颜色及点的轮廓颜色。默认点的颜色为蓝色，轮廓为黑色。

x_values = list(range(1, 100))
y_values = [x**2 for x in x_values]
# c参数指定点的颜色，轮廓的颜色不进行设置（none）
plt.scatter(x_values, y_values, c='red', edgecolors='none' ,s=5)
# x、y轴的坐标范围，注意提供一个列表，前两个是x轴的范围，后两个是y轴的范围
plt.axis([0, 110, 0, 11000])
plt.show()

颜色的自定义还可以使用RGB的模式，传递一个元组给参数c。元组里面包含三个[0, 1]之间的数，分别代表(R, G, B)，数字越靠近0颜色越淡，越靠近1颜色越深。比如c=(0, 0 , 0.6)表示的是一种浅蓝色。

依然是平方的图，人懒就不写标题了。

颜色映射

颜色映射通常是一系列颜色的渐变。在可视化中，颜色映射可反应数据的规律，比如颜色浅的值比较小，颜色深的值比较大。

看一个很简单的例子，以y轴坐标值的大小映射。

x_values = list(range(1, 100))
y_values = [x**2 for x in x_values]
# 颜色映射，按照y轴的值从浅到深，颜色采用蓝色
plt.scatter(x_values, y_values, c=x_values, cmap=plt.cm.Blues, edgecolors='none' ,s=5)
plt.axis([0, 110, 0, 11000])
# 取代show方法，保存图片到文件所在目录，bbox_inches='tight'可裁去多余的白边
plt.savefig('squares_plot.png', bbox_inches='tight')

可以看到，y值小的点，颜色很浅，几乎看不到了；随着y值则增大，颜色越来越深。

随机漫步模拟

先写一个随机漫步的类，目的是随机选择前进的方向

from random import choice

def get_step():
    """
    获得移动的步长
    """
    # 分别代表正半轴和负半轴
    direction = choice([1, -1])
    # 随机选择一个距离
    distance = choice([0, 1, 2, 3, 4])
    step = direction * distance
    return step

class RandomWalk:
    """
    一个生成随机漫步数据的类
    """
    # 默认漫步5000步
    def __init__(self, num_points=5000):
        self.num_points = num_points
        self.x_values = [0]
        self.y_values = [0]

    def fill_walk(self):
        """
        计算随机漫步包含的所有点
        """
        while len(self.x_values) < self.num_points:
            x_step = get_step()
            y_step = get_step()
            # 没有位移，跳过不取
            if x_step == 0 and y_step == 0:
                continue

            # 计算下一个点的x和y, 第一次为都0，以前的位置 + 刚才的位移 = 现在的位置
            next_x = self.x_values[-1] + x_step
            next_y = self.y_values[-1] + y_step

            self.x_values.append(next_x)
            self.y_values.append(next_y)

开始绘制

import matplotlib.pyplot as plt

rw = RandomWalk()
rw.fill_walk()
# figure的调用在plot或者scatter之前
# plt.figure(dpi=300, figsize=(10, 6))
# 这个列表包含了各点的漫步顺序，第一个元素将是漫步的起点，最后一个元素是漫步的终点
point_numbers = list(range(rw.num_points))
# 使用颜色映射绘制颜色深浅不同的点，浅色的是先漫步的，深色是后漫步的，因此可以反应漫步轨迹
plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, s=1)
# 突出起点
plt.scatter(0, 0, c='green', edgecolors='none', s=50)
# 突出终点
plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', s=50)
# 隐藏坐标轴
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)
# 指定分辨率和图像大小，单位是英寸

plt.show()

生成的图片，密密麻麻的点。远远看去还挺好看。绿色的是漫步起点，红色的是漫步的终点。

但是图片有点不清晰，把rw.fill_walk()的下面一行注释取消。通常在绘图前调用。

plt.figure(dpi=300, figsize=(10, 6))，dpi=300即是300像素/英寸，这个适当调高可获得清晰的图片。figsize=(10, 6)传入的参数是元组，表示绘图窗口的尺寸，也就是图片的尺寸了，单位英寸。

高清大图，爽不爽？

处理CSV数据

我们也许需要分析别人提供的数据。一般是json和csv两种格式的文件。这里有个天气的数据sitka_weather_2014.csv，是2014年美国锡特卡的天气数据。这里用matplotlib来处理csv文件，json文件的处理放到pygal中。

下载该数据sitka_weather_2014.csv

csv文件的第一行通常是是表头，真正的数据从第二行开始。我们先看下表头包含哪些数据。

import csv

filename = 'F:/Jupyter Notebook/matplotlib_pygal_csv_json/sitka_weather_2014.csv'
with open(filename) as f:
    reader = csv.reader(f)
    # 只调用了一次next，得到第一行表头
    header_row = next(reader)
    for index, column_header in enumerate(header_row):
        print(index, column_header)

打印如下

0 AKST
1 Max TemperatureF
2 Mean TemperatureF
3 Min TemperatureF
4 Max Dew PointF
5 MeanDew PointF
6 Min DewpointF
7 Max Humidity
8  Mean Humidity
9  Min Humidity
...

我们对最高温度和最低温度感兴趣，只需要获得第1列和第3列的数据就行。另外日期数据在第1列。

接下来不难了。从第二行开始，将最高气温放入highs列表，最低气温放入lows列表，日期放入dates列表我们想要在x轴显示日期，引入datetime模块。

import csv
import matplotlib.pyplot as plt
from datetime import datetime

filename = 'F:/Jupyter Notebook/matplotlib_pygal_csv_json/sitka_weather_2014.csv'
with open(filename) as f:
    reader = csv.reader(f)
    # 只调用了一次next，得到第一行表头
    header_row = next(reader)
    # 第一列是最高气温，由于上面next读取过一行了，这里实际从第二行开始，也是数据开始的那行
    # reader只能读取一次，所以如下写法dates为空
#     highs = [int(row[1]) for row in reader]
#     dates= [row[0] for row in reader]
    dates, highs, lows = [], [], []
    for row in reader:
        # 捕获异常，防止出现数据为空的情况
        try:
            date = datetime.strptime(row[0], '%Y-%m-%d')
            # 第1列最高气温，读取到是字符串，转为int
            high = int(row[1])
            # 第3列最低气温
            low = int(row[3])
        except ValueError:
            print(date, 'missing data')
        else:
            dates.append(date)
            highs.append(high)
            lows.append(low)

# figure在plot之前调用
fig = plt.figure(dpi=300, figsize=(10, 6))
# 最高气温的折线图
plt.plot(dates, highs, c='red')
# 最低气温的折线图
plt.plot(dates, lows, c='blue')
# 在两个y值之间填充颜色，facecolor为填充的颜色，alpha参数可指定颜色透明度，0.1表示颜色很浅接近透明
plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)
plt.title('Daily high and low temperatures - 2014', fontsize=20)
plt.xlabel('', fontsize=16)
plt.ylabel('Temperature(F)', fontsize=16)
# x轴的日期调整为斜着显示
fig.autofmt_xdate()
plt.tick_params(axis='both',labelsize=15)
plt.show()

看以看出，7月到9月都很热，但是5月出现过非常高的气温！

上面的代码有一行date = datetime.strptime(row[0], '%Y-%m-%d')。注意%Y-%m-%d要和row[0]字符串的格式一致。举个例子

# 下面这句报错time data '2017/6/23' does not match format '%Y-%m-%d'
print(datetime.strptime('2017/6/22', '%Y-%m-%d'))
print(datetime.strptime('2017-6-22', '%Y-%m-%d'))

%Y指的是四位的年份， %y是两位年份，%m是数字表示的月份，%d数字表示的月份中的一天。

---

by @sunhaiyu

2017.6.22