作者 | Rizky Maulana Nurhidayat?

編譯 | VK?

來源 | Towards Datas Science

【導讀】數據可視化用于以更直接的表示方式顯示數據，并且更易于理解。它可以用柱狀圖、散點圖、折線圖、餅圖等形式形成。許多人仍然使用Matplotlib作為后端模塊來可視化他們的圖形。在這個故事中，我將給你一些技巧，使用Matplotlib創建一個優秀圖表的5個強大技巧。

1. 使用Latex字體

默認情況下，我們可以使用Matplotlib提供的一些不錯的字體。但是，有些符號不夠好，不能由Matplotlib創建。例如，符號phi（φ），如圖1所示。

正如你在y-label中看到的，它仍然是phi（φ）的符號，但是對于某些人來說，它還不足以作為繪圖標簽。為了使它更漂亮，你可以使用Latex字體。如何使用它？答案就在這里。

plt.rcParams['text.usetex']?=?True plt.rcParams['font.size']?=?18

你可以在python代碼的開頭添加上面的代碼。第1行定義繪圖中使用的LaTeX字體。你還需要定義大于默認大小的字體大小。如果你不換，我想它會給你一個小標簽。我選了18。應用上述代碼后的結果如圖2所示。

你需要在符號的開頭和結尾寫上雙美元符號，像這樣（）

plt.xlabel('x') plt.ylabel('$\phi$?(phi)')

如果你有一些錯誤或沒有安裝使用LaTeX字體所需的庫，則需要通過在Jupyter notebook中運行以下代碼來安裝這些庫。

!apt?install?texlive-fonts-recommended?texlive-fonts-extra?cm-super?dvipng

如果你想通過終端安裝，可以輸入

apt?install?texlive-fonts-recommended?texlive-fonts-extra?cm-super?dvipng

當然，你可以使用一些不同的字體系列，如serif、sans-serif（上面的示例）等。要更改字體系列，可以使用以下代碼。

plt.rcParams['font.family']?=?"serif"

如果你將上面的代碼添加到代碼中，它將給你一個圖，如圖3所示。

你能理解圖3和圖2之間的區別嗎？是的，如果你仔細分析，區別在于字體的尾部。后一個圖形使用serif，而前者使用sans-serif。簡而言之，serif表示尾，sans表示沒有。如果你想了解更多有關字體系列或字體的信息，我建議你使用此鏈接。

https://en.wikipedia.org/wiki/Typeface

你還可以使用Jupyter themes庫設置字體系列/字體。我已經做了使用它的教程。只需單擊以下鏈接。Jupyter主題也可以改變你的Jupyter主題，例如暗模式主題：https://medium.com/@rizman18/how-can-i-customize-jupyter-notebook-into-dark-mode-7985ce780f38

我們希望插入復雜文本，如圖4的標題所示。

如果你想創建圖4，可以使用這個完整的代碼

#?導入庫 import?numpy?as?np import?matplotlib.pyplot?as?plt#?調整matplotlib參數 plt.rcParams.update(plt.rcParamsDefault) plt.rcParams['text.usetex']?=?True plt.rcParams['font.size']?=?18 plt.rcParams['font.family']?=?"serif"#?創建模擬數據 r?=?15 theta?=?5 rw?=?12 gamma?=?0.1err?=?np.arange(0.,?r,?.1) z?=?np.where(err?<?rw,?0,?gamma?*?(err-rw)**2?*?np.sin(np.deg2rad(theta)))#?可視化數據 plt.scatter(err,?z,?s?=?10) plt.title(r'$\Sigma(x)?=?\gamma?x^2?\sin(\theta)$',?pad?=?20) plt.xlabel('x') plt.ylabel('$\phi$')#?保存圖表 plt.savefig('latex.png',?dpi?=?300,?pad_inches?=?.1,?bbox_inches?=?'tight')

2.創建縮放效果

在這個技巧中，我將給你一個生成繪圖的代碼，如圖5所示。

首先，你需要了解「plt.axes」()和「plt.figure()」 你可以在下面的鏈接中查看它。代碼「plt.figure()」 覆蓋單個容器中的所有對象，包括軸、圖形、文本和標簽。代碼「plt.axes」()只包含特定的部分。我想，圖6可以給你一個簡單的理解。

黑盒子使用「plt.figure()」，紅色和藍色的盒子使用「plt.axes()」. 在圖6中，有兩個軸，紅色和藍色。你可以查看此鏈接以獲取基本參考：https://medium.com/datadriveninvestor/python-data-visualization-with-matplotlib-for-absolute-beginner-python-part-ii-65818b4d96ce

理解之后，你可以分析如何創建圖5。是的，簡單地說，圖5中有兩個軸。第一個軸是一個大的繪圖，放大版本從580到650，第二個是縮小版本。下面是創建圖5的代碼。

#?創建主容器 fig?=?plt.figure()#?設置隨機種子 np.random.seed(100)#?創建模擬數據 x?=?np.random.normal(400,?50,?10_000) y?=?np.random.normal(300,?50,?10_000) c?=?np.random.rand(10_000)#?創建放大圖 ax?=?plt.scatter(x,?y,?s?=?5,?c?=?c) plt.xlim(400,?500) plt.ylim(350,?400) plt.xlabel('x',?labelpad?=?15) plt.ylabel('y',?labelpad?=?15)#?創建放大圖 ax_new?=?fig.add_axes([0.6,?0.6,?0.2,?0.2])?#?放大圖的位置與放大圖的比例比較 plt.scatter(x,?y,?s?=?1,?c?=?c)#?保存圖形，留好邊距 plt.savefig('zoom.png',?dpi?=?300,?bbox_inches?=?'tight',?pad_inches?=?.1)

如果你需要代碼的解釋，可以訪問此鏈接:https://medium.com/datadriveninvestor/data-visualization-with-matplotlib-for-absolute-beginner-part-i-655275855ec8

我還提供了另一個版本的縮放效果，你可以使用Matplotlib。如圖7所示。

要創建圖7，你需要在Matplotlib中使用add_subblot或其他語法（subblot）創建三個軸。為了更容易使用，我在這里加上。要創建它們，可以使用以下代碼。

fig?=?plt.figure(figsize=(6,?5)) plt.subplots_adjust(bottom?=?0.,?left?=?0,?top?=?1.,?right?=?1)#?創建第一個軸，左上角的圖用綠色的圖 sub1?=?fig.add_subplot(2,2,1)?#?兩行兩列，第一單元格#?創建第二個軸，即左上角的橙色軸 sub2?=?fig.add_subplot(2,2,2)?#?兩行兩列，第二個單元格#?創建第三個軸，第三和第四個單元格的組合 sub3?=?fig.add_subplot(2,2,(3,4))?#?兩行兩列，合并第三和第四單元格

代碼將生成一個圖，如圖8所示。它告訴我們它將生成2行2列。軸sub1（2，2，1）是子圖（第一行，第一列）中的第一個軸。順序從左上側到右開始。軸sub2（2，2，2）被放置在第一行第二列中。軸sub3（2，2，（3，4）），是第二行第一列和第二行第二列之間的合并軸。

當然，我們需要定義一個模擬數據，以便在繪圖中可視化。在這里，我定義了線性函數和正弦函數的簡單組合，如下面的代碼所示。

#?使用lambda定義函數 stock?=?lambda?A,?amp,?angle,?phase:?A?*?angle?+?amp?*?np.sin(angle?+?phase)#?定義參數 theta?=?np.linspace(0.,?2?*?np.pi,?250)?#?x軸 np.random.seed(100) noise?=?0.2?*?np.random.random(250) y?=?stock(.1,?.2,?theta,?1.2)?+?noise?#?y軸

如果你將代碼應用到前面的代碼中，你將得到一個圖，如圖9所示。

下一步是限制第一個和第二個軸（sub1和sub2）的x軸和y軸，為sub3中的兩個軸創建阻塞區域，并創建代表縮放效果的ConnectionPatch。可以使用以下完整的代碼來完成（記住，為了簡單起見，我沒有使用循環）。

#?使用lambda定義函數 stock?=?lambda?A,?amp,?angle,?phase:?A?*?angle?+?amp?*?np.sin(angle?+?phase)#?定義參數 theta?=?np.linspace(0.,?2?*?np.pi,?250)?#?x軸 np.random.seed(100) noise?=?0.2?*?np.random.random(250) y?=?stock(.1,?.2,?theta,?1.2)?+?noise?#?y軸#?創建大小為6x5的主容器 fig?=?plt.figure(figsize=(6,?5)) plt.subplots_adjust(bottom?=?0.,?left?=?0,?top?=?1.,?right?=?1)#?創建第一個軸，左上角的圖用綠色的圖 sub1?=?fig.add_subplot(2,2,1)?#?兩行兩列，第一單元格 sub1.plot(theta,?y,?color?=?'green') sub1.set_xlim(1,?2) sub1.set_ylim(0.2,?.5) sub1.set_ylabel('y',?labelpad?=?15)#?創建第二個軸，即左上角的橙色軸 sub2?=?fig.add_subplot(2,2,2)?#?兩行兩列，第二個單元格 sub2.plot(theta,?y,?color?=?'orange') sub2.set_xlim(5,?6) sub2.set_ylim(.4,?1)#?創建第三個軸，第三和第四個單元格的組合 sub3?=?fig.add_subplot(2,2,(3,4))?#?兩行兩列，合并第三和第四單元格 sub3.plot(theta,?y,?color?=?'darkorchid',?alpha?=?.7) sub3.set_xlim(0,?6.5) sub3.set_ylim(0,?1) sub3.set_xlabel(r'$\theta$?(rad)',?labelpad?=?15) sub3.set_ylabel('y',?labelpad?=?15)#?在第三個軸中創建阻塞區域 sub3.fill_between((1,2),?0,?1,?facecolor='green',?alpha=0.2)?#?第一個軸的阻塞區域 sub3.fill_between((5,6),?0,?1,?facecolor='orange',?alpha=0.2)?#?第二軸的阻塞區域#?在左側創建第一個軸的ConnectionPatch con1?=?ConnectionPatch(xyA=(1,?.2),?coordsA=sub1.transData,?xyB=(1,?.3),?coordsB=sub3.transData,?color?=?'green') #?添加到左側 fig.add_artist(con1)#?在右側創建第一個軸的ConnectionPatch con2?=?ConnectionPatch(xyA=(2,?.2),?coordsA=sub1.transData,?xyB=(2,?.3),?coordsB=sub3.transData,?color?=?'green') #?添加到右側 fig.add_artist(con2)#?在左側創建第二個軸的ConnectionPatch con3?=?ConnectionPatch(xyA=(5,?.4),?coordsA=sub2.transData,?xyB=(5,?.5),?coordsB=sub3.transData,?color?=?'orange') #?添加到左側 fig.add_artist(con3)#?在右側創建第二個軸的ConnectionPatch con4?=?ConnectionPatch(xyA=(6,?.4),?coordsA=sub2.transData,?xyB=(6,?.9),?coordsB=sub3.transData,?color?=?'orange') #?添加到右側 fig.add_artist(con4)#?保存圖形，留好邊距 plt.savefig('zoom_effect_2.png',?dpi?=?300,?bbox_inches?=?'tight',?pad_inches?=?.1)

代碼將為你提供一個出色的縮放效果圖，如圖7所示。

3.創建圖例

你的圖中是否有許多圖例要顯示？如果是，則需要將它們放置在主軸之外。

要將圖例放置在主容器之外，需要使用此代碼調整位置

plt.legend(bbox_to_anchor=(1.05,?1.04))?#?圖例的位置

值1.05和1.04位于朝向主容器的x和y軸坐標中。你可以改變它。現在，把上面的代碼應用到我們的代碼中，

#?使用lambda創建wave函數 wave?=?lambda?amp,?angle,?phase:?amp?*?np.sin(angle?+?phase)#?設置參數值 theta?=?np.linspace(0.,?2?*?np.pi,?100) amp?=?np.linspace(0,?.5,?5) phase?=?np.linspace(0,?.5,?5)#?創建主容器及其標題 plt.figure() plt.title(r'Wave?Function?$y?=?\gamma?\sin(\theta?+?\phi_0)?$',?pad?=?15)#?為每個放大器和階段創建繪圖 for?i?in?range(len(amp)):lgd1?=?str(amp[i])lgd2?=?str(phase[i])plt.plot(theta,?wave(amp[i],?theta,?phase[i]),?label?=?(r'$\gamma?=?$'+lgd1+',?$\phi?=?$'?+lgd2))plt.xlabel(r'$\theta$?(rad)',?labelpad?=?15) plt.ylabel('y',?labelpad?=?15)#?調整圖例 plt.legend(bbox_to_anchor=(1.05,?1.04))#?保存圖形，留好邊距 plt.savefig('outbox_legend.png',?dpi?=?300,?bbox_inches?=?'tight',?pad_inches?=?.1)

運行代碼后，它將給出一個圖，如圖11所示。

如果要使圖例框更漂亮，可以使用以下代碼添加陰影效果。它將顯示一個圖，如圖12所示。

plt.legend(bbox_to_anchor=(1.05,?1.04),?shadow=True)

4.創建連續誤差圖

在過去的十年里，數據可視化的風格被轉移到一個干凈的繪圖主題上。通過閱讀國際期刊或網頁上的一些新論文，我們可以看到這種轉變。最流行的方法之一是用連續的誤差可視化數據，而不是使用誤差條。你可以在圖13中看到它。

圖13是通過使用「fill_between」生成的。在fill_between語法中，你需要定義上限和下限，如圖14所示。

要應用它，可以使用以下代碼。

plt.fill_between(x,?upper_limit,?lower_limit)

參數上限和下限可以互換。這是完整的代碼。

N?=?9 x?=?np.linspace(0,?6*np.pi,?N)mean_stock?=?(stock(.1,?.2,?x,?1.2)) np.random.seed(100) upper_stock?=?mean_stock?+?np.random.randint(N)?*?0.02 lower_stock?=?mean_stock?-?np.random.randint(N)?*?0.015plt.plot(x,?mean_stock,?color?=?'darkorchid',?label?=?r'$y?=?\gamma?\sin(\theta?+?\phi_0)$')plt.fill_between(x,?upper_stock,?lower_stock,?alpha?=?.1,?color?=?'darkorchid') plt.grid(alpha?=?.2)plt.xlabel(r'$\theta$?(rad)',?labelpad?=?15) plt.ylabel('y',?labelpad?=?15) plt.legend() plt.savefig('fill_between.png',?dpi?=?300,?bbox_inches?=?'tight',?pad_inches?=?.1)

5.調整邊距

如果你分析上面的每一行代碼，**plt.savefig()**后面會是一個復雜的參數：bbox_inches和pad_inches。當你在撰寫一篇期刊或文章時，它們會為你提供邊距。如果不包括它們，則保存后，繪圖的邊距將更大。圖15展示了有bbox_inches和pad_inches以及沒有它們的不同繪圖。

我想你看不出圖15中兩個圖之間的區別。我將嘗試用不同的背景色來顯示它，如圖16所示。

同樣，當你在一篇論文或一篇文章中插入你的圖表時，這個技巧會幫助你。你不需要裁剪它來節省空間。

結論

Matplotlib是一個多平臺庫，可以在許多操作系統使用。它是將數據可視化的老庫之一，但它仍然很強大。因為開發人員總是根據數據可視化的趨勢進行一些更新。上面提到的一些技巧就是更新的例子。

原文鏈接：https://towardsdatascience.com/5-powerful-tricks-to-visualize-your-data-with-matplotlib-16bc33747e05

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯

獲取一折本站知識星球優惠券，復制鏈接直接打開：

https://t.zsxq.com/y7uvZF6

本站qq群704220115。

加入微信群請掃碼：

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的【Python基础】使用Matplotlib可视化数据的5个强大技巧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。