关于画图的一些知识

image.png

分类变量与连续变量

image.png

图像以外的东东

有这样几个步骤。

0）开始之前的操作

合理的处理数据

通过numpy与pandas 的学习，了解到了如何处理数据。一个好的数据的呈现，需要的是呈现前的数据的整理。

选择合适的图形

如果是比较连续变量间的变化，该选择哪个图像？如果是探究变量的分布情况该选择谁？ 如果是比较分类变量间的差异又该作何选择？

选择合适的风格

相当于在作图前为自己选择合适的主题。

就像做网站一样，已经有很多现成的模版，对于坐标间距设定、字体大小设定等等，我们可以使用matplotlib 默认的，也可以选择其他风格的。

plt.style.use('xx') ，如果不设定，则默认为 default ，其他还有 ggplot ， seaborn-colorblind 。

image.png

创建画板

还可以先创建空白画板， fig, ax = plt.subplots() ，fig 作为图像的名称，而ax 则是坐标的名称，再对 ax.plot() ，也即坐标轴进行操作。

  1. # Import the matplotlib.pyplot submodule and name it plt
  2. import matplotlib.pyplot as plt
  4. # Create a Figure and an Axes with plt.subplots
  5. fig, ax = plt.subplots()
  7. # Plot MLY-PRCP-NORMAL from seattle_weather against MONTH
  8. ax.plot(seattle_weather["MONTH"], seattle_weather["MLY-PRCP-NORMAL"])
  10. # Plot MLY-PRCP-NORMAL from austin_weather against MONTH
  11. ax.plot(austin_weather["MONTH"], austin_weather["MLY-PRCP-NORMAL"])
  13. # Call the show function
  14. plt.show()

1）输入数据

plt.xxx() 选择合适的图形，输入数据。
也可以直接 data.xxx() 输入。或通过 kind 参数设定。如 kind = 'bar' 表示条形图。

相关参数

color 设定颜色。
alpha 设定透明度。
rot 设定x,y 轴坐标的旋转程度。
marker 设置点的标记。有多种标记 如’o’, ‘v’…

2）调整与自定义图像

plt.[xy]label() 添加标签。
plt.title() 添加标题。
plt.[xy]scale() 更改坐标轴轴距。
plt.[xy]ticks() 更改坐标轴轴距，并添加新注释。（常用于设置连续变量）

tick_val = [1000, 10000, 100000]
tick_lab = ['1k', '10k', '100k'] # 为坐标轴轴距添加注释
plt.xticks(tick_val, tick_lab)

image.png
plt.text() 为某个点进行额外标注。
plt.legend() 为图像进行标注。
.tick_params() 可以设定某一边坐标轴的颜色。如 ax2.tick_params('y', colors = 'red')
.[xy]ticklabels() 可以设置rotation 参数，如 rotation = 90 将标签翻转90度。（常用于设置分类变量）
image.png

ps：这些设定都是全局的，因此如果需要将某些参数应用于某个图形的内部而非外部，可以在设定图形参数时在局部使用。
另外，在通过fig, ax = plt.subplots() ，再对 ax.plot() 处理时，使用到的命令一般都需要加 set_ 。

添加额外y或x轴

有时候，相同的一组数据，它们对应的另外一组数据的变化幅度如果不相同，甚至非常的大，则在显示时对变化幅度小的一组非常的不友好（matplotlib 自然会偏向变化幅度大的一组调整轴距）。
image.png

这时候可以使用 ax2 = ax.twin[xy]() ，表示ax2 的图像与原来的ax 分享相同的x或y轴，但有自己的另外一个坐标。
image.png

3）展示与删除图像

plt.show() 绘图。该函数一定要在所有其他函数之后。
plt.clf() 删除先前图像。

放大局部图像

可以将一段图像的局部赋值给某个变量，再对这个变量进行作图。

4）保存图像

plt.show() 会将图像运行出来，但并不能将它保存到本地。
进行保存，需要执行 fig.savefig('xxx.xxx') ，格式一般有.png(质量好、文件大)，.jpg(质量低、文件小) 还可以对它们设定 quality ，可以理解为原图像的质量度，一般取值0~95(高于95就没有压缩意义)。另外 dpi 也用于设定图像的质量，一般数值越高质量越好（300是个相对比较高的数值）。

其他格式还有.svg，其保存为矢量图格式，适合后期使用其他图形软件做进一步处理。

另外一个重要的内容是保存图像的大小。
fig.set_size_inches([x, y]) ，x设定宽度，y设定高度

关于axes

如果使用subplots 的方式创建了图像，则可以通过 ax.set() 修改元素对许多内容进行设置：
[xy]label，设置标签。
[xy]lim，设置坐标轴取值。
title，设置标题。

线图

# import package
import matplotlib.pyplot as plt

# Make a line plot, gdp_cap on the x-axis, life_exp on the y-axis
plt.plot(gdp_cap, life_exp)

# Display the plot
plt.show()

image.png

相关参数

linestyle 可以设定线段的风格，如 -- 。或者选择 None 取消所有的线段。

散点图

相比起连续变量间的变化趋势与关系，散点图更能表现整体的分布情况。

# Change the line plot below to a scatter plot
plt.scatter(gdp_cap, life_exp)

# Put the x-axis on a logarithmic scale
plt.xscale('log')

# Show plot
plt.show()

image.png

相关参数

s 可以设定散点图点的大小。
c 可以替代color 设置颜色。

直方图

不同于线图与散点图更多是表现连续变量的变化趋势，或变量之间的相互影响，直方图更利于表现 数据的分布 。
image.png
image.png

# Build histogram with 5 bins
plt.hist(life_exp, bins = 5)

# Show and clean up plot
plt.show()
plt.clf()

相关参数

bins 可以设定x轴数据分隔的大小。还可以手动设定bins 的取值，通过输入一个列表。
histtype 可以设定直方图形状，如’step’ 类型。
image.png

fig, ax = plt.subplots()

# Plot a histogram of "Weight" for mens_rowing
ax.hist(mens_rowing["Weight"], histtype='step', label="Rowing", bins=5)

# Compare to histogram of "Weight" for mens_gymnastics
ax.hist(mens_gymnastics["Weight"], histtype='step', label="Gymnastics", bins=5)

ax.set_xlabel("Weight (kg)")
ax.set_ylabel("# of observations")

# Add the legend and show the Figure
ax.legend()
plt.show()

条形图

条形图可以很好的反映分类变量和连续变量之间的关系。

# Import matplotlib.pyplot with alias plt
import matplotlib.pyplot as plt

# Get the total number of avocados sold of each size
nb_sold_by_size = avocados.groupby("size")["nb_sold"].sum()

# Create a bar plot of the number of avocados sold by size
nb_sold_by_size.plot(kind="bar")

# Show the plot
plt.show()

image.png
可以将具有相同x轴信息的不同y标注的信息堆积在一起，如一个国家奥林匹克比赛的金牌与银牌的数量。通过设定 bottom 设定在底部的信息。而bottom 的信息，可以用+连接。如 bottom = df['1'] + df['2'] 。
image.png

相关参数

error bar

可以为条形图添加误差棒，error bar， yerr = df['xx'].std() ，比如可以为其设置为条形图的标准差。另外，误差棒其本身也可以作为一个图像添加，比如 ax.errorbar() 或 kind = 'errorbar' 。
image.png

箱线图

boxplot, 专门用于表示分类变量内的统计分析的图像，相当于条形图的升级。
image.png
image.png

fig, ax = plt.subplots()

# Add a boxplot for the "Height" column in the DataFrames
ax.boxplot([mens_rowing["Height"], mens_gymnastics["Height"]])

# Add x-axis tick labels:
ax.set_xticklabels(["Rowing", "Gymnastics"])

# Add a y-axis label
ax.set_ylabel("Height (cm)")

plt.show()

为图像添加标注

简单标注

通过作图中数据指定 label = 'xx' ，并在画图前加上 ax.legend() 添加标注。

# Add bars for "Gold" with the label "Gold"
ax.bar(medals.index, medals['Gold'], label='Gold')

# Stack bars for "Silver" on top with label "Silver"
ax.bar(medals.index, medals['Silver'], bottom=medals['Gold'], label = 'Silver')

# Stack bars for "Bronze" on top of that with label "Bronze"
ax.bar(medals.index, medals['Bronze'], bottom=medals['Gold'] + medals['Silver'], label = 'Bronze')

# Display the legend
ax.legend()

plt.show()

image.png

annotate

此标注与简单的legend或text 可不同，而是专门的annotate方法。

首先需要输入标注的文本 .annotate('xxx') ，接着设定坐标 xy=( , ) ，在本例中为日期，因此需引用pd包以定位时间变量中的内容 pd.Timestamp('xxxx-xx-xx') 。

自定义箭头

arrowprops 使用字典对其定义，若为其赋值为一个空字典，则使用默认的箭头风格。
image.png

竖直线

ax.axvline(x=median, color='m', label='Median', linestyle='--', linewidth=2)

image.png

创建多个图像

plt.subplots

通常来说，在一张图里展示不同的数据，可以非常好的进行数据间的对比。但有时候，数据过多也会物极必反。
image.png

fig, ax = plt.subplots(n, m) ，创建nxm个坐标图（n行，m列）。

或者直接， fig, ax1, ax2 = plt.subplots(nrows = , ncols = ) ，为坐标轴变量命名。
其中还可以设定参数:
share[xy]（分层图像是否共享x或y轴）。
figsize = (x, y) 。

# Create a plot with 1 row and 2 columns that share the y axis label
fig, (ax0, ax1) = plt.subplots(nrows=1, ncols=2, sharey=True)

# Plot the distribution of 1 bedroom apartments on ax0
sns.distplot(df['fmr_1'], ax=ax0)
ax0.set(xlabel="1 Bedroom Fair Market Rent", xlim=(100,1500))

# Plot the distribution of 2 bedroom apartments on ax1
sns.distplot(df['fmr_2'], ax=ax1)
ax1.set(xlabel="2 Bedroom Fair Market Rent", xlim=(100,1500))

# Display the plot
plt.show()

image.png

image.png
这时候的坐标就和表格中的元素一样了。而我们也通过类似的方法进行调用。
ax[0, 1].plot() 表示第一行第二个图表。（ps：引用是从0开始！）

定义作图函数

如果需要对不同的数据进行相同风格的作图操作，一遍遍调用matplotlib 中的函数显的非常麻烦。
如果实现定义一个函数，则会轻松许多。

image.png
image.png
除此之外，我们还可以设定一个循环，这样可以批量的将信息转化为需要的图像。

fig, ax = plt.subplots()

# Loop over the different sports branches
for sport in sports:
  # Extract the rows only for this sport
  sport_df = summer_2016_medals[summer_2016_medals['Sport'] == sport]
  # Add a bar for the "Weight" mean with std y error bar
  ax.bar(sport, sport_df["Weight"].mean(), yerr=sport_df["Weight"].std())

ax.set_ylabel("Weight")
ax.set_xticklabels(sports, rotation=90)

# Save the figure to file
fig.savefig("sports_weights.png")

matplotlib 能干的多着呢

image.png
image.png

image.png