原創(chuàng)2016-08-06Jamal Moir編程派

編程派微信號(hào)：codingpy

看完此文如果覺得不錯(cuò)，不妨點(diǎn)擊文末廣告支持一下

昨天推出的免費(fèi)贈(zèng)書活動(dòng)還在進(jìn)行，首先感謝大家的積極參與！看了眼前五的朋友，比剛開始時(shí)的變化還是挺大的啊，昨天沒(méi)看到的朋友不要錯(cuò)過(guò)了哦。傳送門 --》?福利 | 推薦一本美亞排名第一的Python入門教材。

回到今天這篇文章，主題是 Python 庫(kù)中大名鼎鼎的繪圖圖 Matplotlib 。當(dāng)初我也是受了這個(gè)庫(kù)的吸引，開始學(xué)習(xí) Python 的。給大家看幾張用 Matplotlib 生成的圖：（首圖也是用 Matplotlib 繪制的）

本文的原作者是 Jamal Moir，是 Python 科學(xué)計(jì)算系列的第一篇文章，或許有人已經(jīng)翻譯過(guò)了，但我覺得我們 Python 翻譯組的譯文質(zhì)量還是不錯(cuò)的。希望對(duì)喜歡 Python 的各位朋友有幫助。

本文譯者 linkmyth，校對(duì) EarlGrey@編程派。linkmyth 是同濟(jì)大學(xué)的在讀碩士，主攻web開發(fā)、機(jī)器學(xué)習(xí)等方向。

以下是原文正文：

---

數(shù)據(jù)的處理、分析和可視化已經(jīng)成為 Python 近年來(lái)最重要的應(yīng)用之一。這種現(xiàn)象又進(jìn)一步引出“大數(shù)據(jù)”分析等類似的話題，而大數(shù)據(jù)分析在人們所能預(yù)見的諸多領(lǐng)域內(nèi)都有廣泛應(yīng)用，這其中就包含筆者個(gè)人感興趣的機(jī)器學(xué)習(xí)。

Python 在處理數(shù)據(jù)、分析數(shù)據(jù)以及數(shù)據(jù)可視化方面擁有很多功能強(qiáng)大的工具，這也是 Python 在科學(xué)領(lǐng)域中能夠迅速發(fā)展的一個(gè)主要原因。

在接下來(lái)的一系列文章中，我們將介紹 Python 科學(xué)計(jì)算中涉及的主要的庫(kù)，并且學(xué)習(xí)如何使用它們處理數(shù)據(jù)以滿足我們的需求。但是我們并非只是停留在快速寫出模板代碼來(lái)使用這些庫(kù)的層面上，我們還會(huì)了解這些庫(kù)背后的數(shù)學(xué)知識(shí)，以幫助我們更好地理解庫(kù)的運(yùn)行原理。

首先，我們將從一個(gè)功能非常強(qiáng)大的庫(kù) Matplotlib 開始介紹，在后面的文章中也會(huì)一直用到這個(gè)庫(kù)。

什么是 Matplotlib?

簡(jiǎn)單來(lái)說(shuō)，Matplotlib 是 Python 的一個(gè)繪圖庫(kù)。它包含了大量的工具，你可以使用這些工具創(chuàng)建各種圖形，包括簡(jiǎn)單的散點(diǎn)圖，正弦曲線，甚至是三維圖形。Python 科學(xué)計(jì)算社區(qū)經(jīng)常使用它完成數(shù)據(jù)可視化的工作。

你可以在他們的網(wǎng)站上了解到更多 Matplotlib 背后的設(shè)計(jì)思想，但是我強(qiáng)烈建議你先瀏覽一下他們的圖庫(kù)，體會(huì)一下這個(gè)庫(kù)的各種神奇功能。

畫一個(gè)簡(jiǎn)單的圖形

首先我們要畫一條在 [0, 2pi] 上的正弦曲線。讀者應(yīng)該會(huì)注意到我們?cè)谶@里使用了 Numpy 庫(kù)，但是即便你沒(méi)有使用過(guò)這個(gè)庫(kù)也不用擔(dān)心，在后面的文章中我們也會(huì)介紹到 Numpy 庫(kù)。

import matplotlib.pyplot as plt
import numpy as np

以上這些就是我們將要用到的導(dǎo)入模塊。在我的上一篇文章(以及另一篇文章)中都提到過(guò)?from x import *?是一種糟糕的導(dǎo)入方式。我們不想在程序里重復(fù)書寫?matplotlib.pyplot?和?numpy，這種書寫方式過(guò)于冗長(zhǎng)，因此我們采用了上面的折中寫法。

# 簡(jiǎn)單的繪圖

x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x))
# 如果沒(méi)有第一個(gè)參數(shù) x，圖形的 x 坐標(biāo)默認(rèn)為數(shù)組的索引

plt.show() # 顯示圖形

上面的代碼將畫出一個(gè)簡(jiǎn)單的正弦曲線。np.linspace(0, 2 * np.pi, 50)?這段代碼將會(huì)生成一個(gè)包含 50 個(gè)元素的數(shù)組，這 50 個(gè)元素均勻的分布在 [0, 2pi] 的區(qū)間上。

plot?命令以一種簡(jiǎn)潔優(yōu)雅的方式創(chuàng)建了圖形。提醒一下，如果沒(méi)有第一個(gè)參數(shù) x，圖形的 x 軸坐標(biāo)將不再是 0 到 2pi，而應(yīng)該是數(shù)組的索引范圍。

最后一行代碼?`plt.show()?將圖形顯示出來(lái)，如果沒(méi)有這行代碼圖像就不會(huì)顯示。

運(yùn)行代碼后應(yīng)該會(huì)類似得到下面的圖形：

在一張圖上繪制兩個(gè)數(shù)據(jù)集

大多數(shù)時(shí)候讀者可能更想在一張圖上繪制多個(gè)數(shù)據(jù)集。用 Matplotlib 也可以輕松實(shí)現(xiàn)這一點(diǎn)。

x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x),x, np.sin(2 * x)) plt.show()

上面的代碼同時(shí)繪制了表示函數(shù) sin(x) 和 sin(2x) 的圖形。這段代碼和前面繪制一個(gè)數(shù)據(jù)集的代碼幾乎完全相同，只有一點(diǎn)例外，這段代碼在調(diào)用?plt.plot()?的時(shí)候多傳入了一個(gè)數(shù)據(jù)集，并用逗號(hào)與第一個(gè)數(shù)據(jù)集分隔開。

最后你會(huì)得到類似于下面包含兩條曲線的圖形：

自定義圖形的外觀

當(dāng)在同一個(gè)圖形上展示多個(gè)數(shù)據(jù)集時(shí)，通過(guò)改變線條的外觀來(lái)區(qū)分不同的數(shù)據(jù)集變得非常必要。

# 自定義曲線的外觀

x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x), 'r-o',x, np.cos(x), 'g--') plt.show()

上述代碼展示了兩種不同的曲線樣式：'r-o'?和?'g--'。字母 ‘r’ 和 ‘g’ 代表線條的顏色，后面的符號(hào)代表線和點(diǎn)標(biāo)記的類型。例如?'-o'?代表包含實(shí)心點(diǎn)標(biāo)記的實(shí)線，'--'?代表虛線。其他的參數(shù)需要讀者自己去嘗試，這也是學(xué)習(xí) Matplotlib 最好的方式。

顏色：
藍(lán)色 - ‘b’
綠色 - ‘g’
紅色 - ‘r’
青色 - ‘c’
品紅 - ‘m’
黃色 - ‘y’
黑色 - ‘k’（’b’代表藍(lán)色，所以這里用黑色的最后一個(gè)字母）
白色 - ‘w’

線：
直線 - ‘-‘
虛線 - ‘—‘
點(diǎn)線 - ‘:’
點(diǎn)劃線 - ‘-.’

常用點(diǎn)標(biāo)記
點(diǎn) - ‘.’
像素 - ‘,’
圓 - ‘o’
方形 - ‘s’
三角形 - ‘^’
更多點(diǎn)標(biāo)記樣式點(diǎn)擊這里

最后你會(huì)得到類似下面的圖形：

使用子圖

使用子圖可以在一個(gè)窗口繪制多張圖。

# 使用子圖

x = np.linspace(0, 2 * np.pi, 50) plt.subplot(2, 1, 1) # （行，列，活躍區(qū)）

plt.plot(x, np.sin(x), 'r') plt.subplot(2, 1, 2) plt.plot(x, np.cos(x), 'g') plt.show()

使用子圖只需要一個(gè)額外的步驟，就可以像前面的例子一樣繪制數(shù)據(jù)集。即在調(diào)用?plot()?函數(shù)之前需要先調(diào)用?subplot()?函數(shù)。該函數(shù)的第一個(gè)參數(shù)代表子圖的總行數(shù)，第二個(gè)參數(shù)代表子圖的總列數(shù)，第三個(gè)參數(shù)代表活躍區(qū)域。

活躍區(qū)域代表當(dāng)前子圖所在繪圖區(qū)域，繪圖區(qū)域是按從左至右，從上至下的順序編號(hào)。例如在 4×4 的方格上，活躍區(qū)域 6 在方格上的坐標(biāo)為 (2, 2)。

最終你會(huì)得到類似下面的圖形：

簡(jiǎn)單的散點(diǎn)圖

散點(diǎn)圖是一堆離散點(diǎn)的集合。用 Matplotlib 畫散點(diǎn)圖也同樣非常簡(jiǎn)單。

# 簡(jiǎn)單的散點(diǎn)圖

x = np.linspace(0, 2 * np.pi, 50) y = np.sin(x) plt.scatter(x,y) plt.show()

正如上面代碼所示，你只需要調(diào)用?scatter()?函數(shù)并傳入兩個(gè)分別代表 x 坐標(biāo)和 y 坐標(biāo)的數(shù)組。注意，我們通過(guò)?plot?命令并將線的樣式設(shè)置為?'bo'?也可以實(shí)現(xiàn)同樣的效果。

最后你會(huì)得到類似下面的無(wú)線圖形：

彩色映射散點(diǎn)圖

另一種你可能用到的圖形是彩色映射散點(diǎn)圖。這里我們會(huì)根據(jù)數(shù)據(jù)的大小給每個(gè)點(diǎn)賦予不同的顏色和大小，并在圖中添加一個(gè)顏色欄。

# 彩色映射散點(diǎn)圖

x = np.random.rand(1000) y = np.random.rand(1000) size = np.random.rand(1000) * 50

colour = np.random.rand(1000) plt.scatter(x, y, size, colour) plt.colorbar() plt.show()

上面的代碼大量的用到了?np.random.rand(1000)，原因是我們繪圖的數(shù)據(jù)都是隨機(jī)產(chǎn)生的。

同前面一樣我們用到了?scatter()?函數(shù)，但是這次我們傳入了另外的兩個(gè)參數(shù)，分別為所繪點(diǎn)的大小和顏色。通過(guò)這種方式使得圖上點(diǎn)的大小和顏色根據(jù)數(shù)據(jù)的大小產(chǎn)生變化。

然后我們用?colorbar()?函數(shù)添加了一個(gè)顏色欄。

最后你會(huì)得到類似于下面的彩色散點(diǎn)圖：

直方圖

直方圖是另一種常見的圖形，也可以通過(guò)幾行代碼創(chuàng)建出來(lái)。

# 直方圖

x = np.random.randn(1000) plt.hist(x, 50) plt.show()

直方圖是 Matplotlib 中最簡(jiǎn)單的圖形之一。你只需要給?hist()?函數(shù)傳入一個(gè)包含數(shù)據(jù)的數(shù)組。第二個(gè)參數(shù)代表數(shù)據(jù)容器的個(gè)數(shù)。數(shù)據(jù)容器代表不同的值的間隔，并用來(lái)包含我們的數(shù)據(jù)。數(shù)據(jù)容器越多，圖形上的數(shù)據(jù)條就越多。

最終你會(huì)得到類似下面的直方圖：

標(biāo)題，標(biāo)簽和圖例

當(dāng)需要快速創(chuàng)建圖形時(shí)，你可能不需要為圖形添加標(biāo)簽。但是當(dāng)構(gòu)建需要展示的圖形時(shí)，你就需要添加標(biāo)題，標(biāo)簽和圖例。

# 添加標(biāo)題，坐標(biāo)軸標(biāo)記和圖例

x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x), 'r-x', label='Sin(x)') plt.plot(x, np.cos(x), 'g-^', label='Cos(x)') plt.legend() # 展示圖例

plt.xlabel('Rads') # 給 x 軸添加標(biāo)簽

plt.ylabel('Amplitude') # 給 y 軸添加標(biāo)簽

plt.title('Sin and Cos Waves') # 添加圖形標(biāo)題

plt.show()

為了給圖形添加圖例，我們需要在?plot()?函數(shù)中添加命名參數(shù)?'label'?并賦予該參數(shù)相應(yīng)的標(biāo)簽。然后調(diào)用?legend()?函數(shù)就會(huì)在我們的圖形中添加圖例。

接下來(lái)我們只需要調(diào)用函數(shù)?title()，xlabel()?和?ylabel()?就可以為圖形添加標(biāo)題和標(biāo)簽。

你會(huì)得到類似于下面這張擁有標(biāo)題、標(biāo)簽和圖例的圖形：

以上內(nèi)容應(yīng)該足夠幫助讀者開始使用 Matplotlib 和 Python 實(shí)現(xiàn)數(shù)據(jù)可視化，但是這些內(nèi)容并不全面。我強(qiáng)烈建議讀者親自嘗試使用這個(gè)工具，筆者也是通過(guò)這種方式掌握了這個(gè)工具。畫一些圖形，改變樣式并使用子圖功能，然后你就會(huì)很快掌握 Matplotlib 的使用方式。

這是一篇是關(guān)于如何使用 Matplotlib 和 Python 完成數(shù)據(jù)可視化的文章，也是 Python 科學(xué)計(jì)算系列文章中的第一篇。我希望讀者能從中有所收獲，并且對(duì) Matplotlib 庫(kù)更加熟悉。

不要忘記分享和關(guān)注

請(qǐng)記得分享這篇文章讓更多的人看到它！另外，記得訂閱這個(gè)博客的郵件列表，關(guān)注我的Twitter并在Google+上添加我，這樣你就不會(huì)錯(cuò)過(guò)任何有價(jià)值的文章！

我會(huì)閱讀所有的評(píng)論，所以無(wú)論你有什么想要說(shuō)的，或者是想要分享的，甚至是問(wèn)題之類的，都可以在下面留言。

歡迎轉(zhuǎn)發(fā)至朋友圈。如無(wú)特殊注明，本公號(hào)所發(fā)文章均為原創(chuàng)或編譯，如需轉(zhuǎn)載，請(qǐng)聯(lián)系「編程派」獲得授權(quán)。

加群交流 Python 技術(shù)問(wèn)題，請(qǐng)先閱讀群規(guī)（點(diǎn)擊藍(lán)色字體），然后加編程派主頁(yè)君為好友并說(shuō)明愿意遵守群規(guī)。

【近期優(yōu)秀教程推薦】

踐行這5條原則，構(gòu)建優(yōu)秀的Python包

好用！在 Notebook 中使用 Sublime Text 快捷鍵

如何測(cè)試代碼覆蓋率：coverage.py 簡(jiǎn)介

Jupyter Notebook 快速入門（上）

Jupyter Notebook 快速入門（下）

掃碼關(guān)注編程派，獲取最新教程及資源推送

↓↓↓ 點(diǎn)擊閱讀原文，查看更多Python教程?

↓↓↓ 另外，歡迎點(diǎn)擊廣告，你的每次點(diǎn)擊都會(huì)成為以后的活動(dòng)福利基金

總結(jié)

以上是生活随笔為你收集整理的Matplotlib 快速入门的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。