Matplotlib可以說是Python最聲名遠(yuǎn)揚(yáng)的可視化庫了，也是Python數(shù)據(jù)分析庫的“三駕馬車”之一。Matplotlib是基礎(chǔ)而非常強(qiáng)大的可視化庫，Seaborn等好用的可視化庫是在前者的基礎(chǔ)上進(jìn)行的封裝。Matplotlib擅長快速出簡單的圖、有豐富的接口進(jìn)行精細(xì)化繪圖、和Numpy結(jié)合做科學(xué)可視化及三維圖配合默契、三維圖。但也有些缺點，如不容易基于實用目的繪制有一定難度的圖表(如小提琴圖等)、標(biāo)簽等元素需指定坐標(biāo)而不能自適應(yīng)優(yōu)化顯示、難以實現(xiàn)交互。

官網(wǎng)說：

Matplotlib tries to make easy things easy and hard things possible.

我越用越認(rèn)可這句話，Matplotlib非常強(qiáng)大，Hard things是possible但并非easy and fast。

Matplotlib出圖示例

可視化基礎(chǔ)框架

對于一個數(shù)據(jù)表df(通過pandas讀入為DataFrame)來說，用Matplotlib對其進(jìn)行可視化的基礎(chǔ)框架為：

fig, ax = plt.subplots()ax.plot(df['x'],df['y'])

通過上面幾行代碼就可以畫出df表周一到周五y指標(biāo)的變化折線。

折線圖繪制示例

Matplotlib其實為作圖提供了兩套可視化接口：

• plt.plot()系列
• fig, ax = plt.subplots() ax.plot() 系列

根據(jù)官網(wǎng)教程，分別對應(yīng)MATLAB的陳述式語法和面向?qū)ο髮懛?#xff0c;

個人理解，plt.plot()適合用于快速出圖，讀入一個數(shù)據(jù)表后想快速知道數(shù)據(jù)分布、指標(biāo)關(guān)系等，通過plt.plot()系列語句直接出圖，而ax.plot()更方便用來精細(xì)繪圖，接口對各種圖表元素的編輯很友好。

在Matplotlib官網(wǎng)搜索，通常能看到兩套接口，如搜繪制餅圖的關(guān)鍵詞pie，結(jié)果中的axes.Axes.pie對應(yīng)ax.pie()的用法，pyplot.pie對應(yīng)plt.pie()的函數(shù)接口。

ax.×××()的寫法看起來要寫的語句多些，但這種面向?qū)ο?object-oriented)的寫法通過fig, ax = plt.subplots()建立畫布(figure)和定義軸域(axes)，能更明確在哪作畫和映射規(guī)則，給用戶更大的自由度和更精細(xì)的調(diào)參能力。Axes包含了一套坐標(biāo)軸(axis)，確定了x/y坐標(biāo)軸之后，數(shù)值再確定對應(yīng)坐標(biāo)，也就唯一確定了所在位置(這是二維情況下，更高維度就會對應(yīng)著更多的axis)，散點圖是去確定點在軸域下的位置，柱狀圖是確定每個柱柱所在的位置，因此一套Axes就確定了唯一的獨(dú)立的圖，一個畫布可以有多套Axes。簡單說就是ax.×××()更方便調(diào)細(xì)節(jié)，初學(xué)者盡量避免用plt.×××系列來畫圖。

基礎(chǔ)圖表繪制

數(shù)據(jù)可視化從目的來說，是為了更直觀展示數(shù)據(jù)或數(shù)據(jù)之間的對比、分布或關(guān)聯(lián)關(guān)系。散點圖、折線圖、柱狀圖、條形圖、餅圖、直方圖是非常常用而基礎(chǔ)的可視化圖。個人認(rèn)為通過畫這幾種基礎(chǔ)圖并調(diào)細(xì)節(jié)是很好的學(xué)可視化實踐。

將數(shù)據(jù)映射為可視圖表

為了整體的美觀和一致性，本文都用了一套自定義配色，通過mpl.rcParams["axes.prop_cycle"] = mpl.cycler('color', ['1EAFAE', 'A3FFFF', '69FFFF']) 語句實現(xiàn)簡單改配色，具體關(guān)于mpl.rcParams后面再展開。

畫散點圖可以用兩種主要的方法，scatter(x,y)和plot(x,y,'o') 。 通過ax.scatter(x,y)繪制以x為橫坐標(biāo)，y為縱坐標(biāo)的散點圖，scatter的重要參數(shù)如下：

• x,y：對應(yīng)著x軸和y軸的數(shù)據(jù)，散點畫在坐標(biāo)軸里的[xi,yi]處。
• s,c,alpha: 對應(yīng)散點大小(size)、顏色(color)、透明度，都可以傳一個和點數(shù)量相同長度的數(shù)組，如s=df['z']可以做氣泡圖，一般氣泡圖為了防止遮蓋問題，通常設(shè)置一定的透明度，alpha的范圍為0到1。c='#BA5C25'設(shè)置點顏色，c賦值為一個數(shù)組可以做出每個點一個顏色的效果。
• marker：設(shè)置點的形狀；
• cmap:顏色映射；
• norm:當(dāng)顏色c為一組浮點數(shù)時，把值標(biāo)準(zhǔn)化到[0,1]做顏色映射，vmin和vamx參數(shù)是結(jié)合 norm 來用的；

散點圖參數(shù)示例

ax.plot(x,y,'o')也可以畫散點圖，ax.plot()核心是繪制坐標(biāo)系下的點和點之間的連線的，當(dāng)突出點的大小而省略線時，就是散點圖了，同樣突出線就變成了折線圖。通過fmt(也就是format_string)參數(shù)來控制這些，包括點的形狀、顏色、線的風(fēng)格顏色等。折線圖基礎(chǔ)繪制效果可回看上一部分可視化基礎(chǔ)框架。

plot()的常用參數(shù)如下：

• x,y: x軸和y軸的數(shù)據(jù)，當(dāng)plot()只有一個輸入列表或數(shù)組時，參數(shù)被當(dāng)做y軸，也就是value，x軸以索引自動生成，也就是ax.plot(y)相當(dāng)于ax.plot(range(len(y)),y);
• fmt: 控制x,y繪制的折線的點形狀、顏色、線的風(fēng)格、顏色；
• 其他的lines.Line2D支持的屬性， 如color控制線顏色，marker控制點形狀，linestyle控制線風(fēng)格類型及l(fā)inewidth控制線寬等，如果既設(shè)置了fmt又指定了color呢？可以實踐一下，線的顏色會根據(jù)color屬性最終顯示。

常用fmt字符意義整理(可收藏方便查閱)

plot()除了plot(x,y,[fmt])這種寫法之外，還可以傳多套x,y以繪制多條折線，寫法是plot(x,y,[fmt],x2,y2,[fmt2],…)。

另外plot()還支持plot('col1','col2',data=df)這種寫法，這是對二維表格數(shù)據(jù)更友好的接口。本文講到的其他圖形如bar、barh等基本也都是支持ax.×××(df['x'],df['y']) 和ax.×××(x,y,data)寫法的。

通過ax.bar(x,height)繪制柱狀圖，條形圖的繪制用ax.barh(y,width)，因bar和barh的用法很類似，參數(shù)之間有對應(yīng)關(guān)系，這里結(jié)合著看。

x,height: x軸的值和各柱的高，相當(dāng)于折線圖的x,y；width: 柱的寬度，默認(rèn)是0.8，也可以傳入一個數(shù)組，畫不等寬的柱狀圖；bottom: 每個柱底部開始位置，默認(rèn)是0，改bottom可以畫堆積柱狀圖、瀑布圖等；align: 柱狀的x是在柱底部中心還是邊緣，{'center', 'edge'}，默認(rèn)是center；data: 可以傳入一個DataFrame，用法和前面說到的ax.plot('col1','col2',data=df)一致；其他像color(柱顏色)、edgecolor(柱邊框色)、linewidth(邊框線寬)等圖元屬性用法都一致，linewidth也是可以簡寫為lw的，顏色可以傳一個數(shù)組，可以畫出五彩斑斕的柱，也可借由這個參數(shù)美化瀑布圖；條形圖barh的參數(shù)有barh(y,width,height,left,align)，y是Y軸的值，每個柱的位置，因此barh的y對應(yīng)bar的x，barh的width對應(yīng)bar的height，barh的height對應(yīng)bar的width。每個柱開始的位置是left，對應(yīng)bar的bottom。align、data、color等一致。

注意的是柱狀圖繪制語句ax.bar(x,height)的返回值是一個容器(BarContainer)，包含了所有畫出來的柱。通過這個返回值可以對柱進(jìn)行一些個性化的處理，另外的應(yīng)用就是根據(jù)返回柱的屬性給每個柱標(biāo)上文本標(biāo)簽。

#給柱狀圖標(biāo)上標(biāo)簽fig,ax= plt.subplots()rects=ax.bar(df['x'],df['y'])ax.set_ylim(0,100)for rect in rects: ? ?height = rect.get_height() ? ?ax.annotate('{}'.format(height), ? ? ? ? ? ?xy=(rect.get_x() + rect.get_width() / 2, height), ? ? ? ? ? ?xytext=(0,1), ?# 1 points vertical offset ? ? ? ? ? ?textcoords="offset points", ? ? ? ? ? ?ha='center', va='bottom')

通過給x以一定的偏移量，繪制簇狀柱形圖。代碼如下：

#簇狀柱 ClusterBarx = list(range(1,len(df)+1)) ?width = 0.2 ?#每個柱的寬度x1=[i-width for i in x]x2=[i+width for i in x]fig, ax = plt.subplots(figsize=(6,5))rects1 = ax.bar(x1,df['y'], width*2, label='Men',color='#1EAFAE')rects2 = ax.bar(x2,df['z'], width*2, label='Women',color='#69FFFF')?ax.set_xticks(x)ax.set_xticklabels(df['x'])ax.legend()

通過給bottom參數(shù)傳一個數(shù)組，可以畫堆疊柱狀圖：堆疊柱除了等值堆疊之外，還可以等比堆疊，思路就是將每個x對應(yīng)的柱都做一下數(shù)值變換，把柱的高度約束在[0,1]，且堆疊之和為1，height=h[i]/sum(h)。

#堆疊柱狀圖fig,ax= plt.subplots()ax.bar(df['x'],df['y'],label='Men')ax.bar(df['x'],df['z'],bottom=df['y'],label='Women')ax.legend()?#等比例堆疊柱fig,ax= plt.subplots()df['y1']=df.apply(lambda x:(x['y'])*100/(x['y']+x['z']),axis=1)df['z1']=df.apply(lambda x:(x['z'])*100/(x['y']+x['z']),axis=1)ax.bar(df['x'],df['y1'])ax.bar(df['x'],df['z1'],bottom=df['y1'])ax.set_ylim(0,100) #標(biāo)簽設(shè)置等代碼省略

堆疊柱狀圖繪制效果

調(diào)節(jié)width參數(shù)使得柱和柱之間的寬度為0，并對數(shù)據(jù)進(jìn)行統(tǒng)計在畫圖，可以用ax.bar()繪制直方圖，但也不需要這么復(fù)雜，Matplotlib提供了繪制直方圖的接口ax.hist(x,bins,normed)，可以直接對某列數(shù)據(jù)繪制直方圖。x是需要統(tǒng)計分布的數(shù)據(jù)列，bins控制分箱的個數(shù)，默認(rèn)是10。

箱線圖在數(shù)據(jù)分析中挺常用的，箱線圖對于數(shù)據(jù)分布有很好的展示作用，Matplotlib提供了boxplot(x)用于繪制箱線圖。

fig, ax= plt.subplots()ax.boxplot(df['y']) ?#箱線圖

餅圖是可視化中基礎(chǔ)而重要的圖形，是各種數(shù)據(jù)報告的常客，Matplotlib繪制餅圖時因為xy軸默認(rèn)比例尺不同，為了得到不扁的餅，需設(shè)置xy軸1像素對應(yīng)的值相等。

#繪制餅圖fig,ax=plt.subplots(subplot_kw=dict(aspect="equal")) ax.pie(df['y']) #為了得到不扁的餅，設(shè)置xy軸比例尺相同#---#環(huán)狀圖fig, ax = plt.subplots(subplot_kw=dict(aspect="equal")) wps=dict(width=0.3, edgecolor='w')ax.pie(df['y'], radius=1,startangle=90,counterclock=False,wedgeprops=wps)ax.pie(df['z'], radius=1-0.3,startangle=90,counterclock=False,wedgeprops=wps)

本文近五千字，從基礎(chǔ)圖表入手拆解對應(yīng)繪制函數(shù)的重點參數(shù)，共10張圖，基本都是個人繪制和排版的，個人認(rèn)為較系統(tǒng)講了Matplotlib的用法和核心功能，下篇會實踐更有趣的內(nèi)容。

畫心形線(下篇彩蛋)

總結(jié)

以上是生活随笔為你收集整理的matplotlib散点图点大小_一步步学Matplotlib炫酷可视化(上)的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。