Python数据分析笔记#9.1.1 绘图和可视化

「目录」

绘图和可视化

Plotting and Visualization

• 9.1 => matplotlib

-------> figure and subplot

• 9.2 => pandas和seaborn绘图

matplotlib

作者原书中写道，matplotlib是一个用于创建出版质量图表的绘图包（主要是2D方面）。

该项目是John Hunter于2002年启动的，其目的是为Python构建一个MATLAB式的绘图接口。

随着时间发展，matpotlib衍生出了多个数据可视化的工具集，它们使用matplotlib作为底层。其中之一是seaborn。

matplotlib约定的引入方式是下面这样的：

import matplotlib.pyplot as plt

首先，建议在Jupyter notebook中执行下面的语句，这样就可以在jupyter notebook中进行交互式绘图了：

%matplotlib notebook

先做一个简单的线图吧：

In [1]: import matplotlib.pyplot as plt

In [2]: import numpy as np

In [3]: data = np.arange(10)

In [4]: data
Out[4]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [5]: plt.plot(data)

Figure and Subplot

matplotlib的图像都位于Figure对象中。我们可以用plt.figure创建一个新的Figure:

In [6]: fig = plt.figure()

plt.figure()中有一些选项比如figsize可以设置图片的大小和纵横比。

通过add_subplot我们可以在空白的figure上创建一个或多个subplot子图：

In [7]: ax1 = fig.add_subplot(2, 2, 1)

In [8]: ax2 = fig.add_subplot(2, 2, 2)

In [9]: ax3 = fig.add_subplot(2, 2, 3)

上面代码的意思是，创建2*2的图像（最多4张图），第3个参数代表当前选中的是第几个图。

ax1.hist代表第一张图为柱状图，ax2.scatter代表第二张图为散点图，ax3.plot代表第三张图为折线图，color参数就是颜色，alpha参数为透明度：

In [10]: _ = ax1.hist(np.random.randn(100), bins=20, color='k', alpha=0.3)

In [11]: ax2.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30))

In [12]: ax3.plot(np.random.randn(50).cumsum(), 'k--')

更方便的创建网格的方法是使用方法plt.subplots，它会创建一个新的Figure，并返回一个含有已创建的subplot对象的Numpy数组:

In [13]: fig, axes = plt.subplots(2, 3)

In [14]: axes
Out[14]:
array([[<matplotlib.axes._subplots.AxesSubplot object at 0x000001CFAF06DEB8>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000001CFAF096048>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000001CFAF0C5160>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x000001CFAF234278>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000001CFAF260390>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000001CFAF2924A8>]],
      dtype=object)

现在通过对axes数组进行索引就可以方便的绘图了：

In [15]: axes[0,1].scatter(np.arange(20), np.arange(20) + 3 * np.random.randn(20), color='y', alpha=0.7)
Out[15]: <matplotlib.collections.PathCollection at 0x1cfaf039978>

In [16]: axes[0,1].scatter(np.arange(20), np.arange(20) + 3 * np.random.randn(20), color='b', alpha=0.7)
Out[16]: <matplotlib.collections.PathCollection at 0x1cfaf2de240>

BYE-BYE！

-END-