与公众号同步更新，详细内容及相关ipynb文件在公众号中，公众号：AI入门小白
文章目录
- matplotlib API入门
-
- Figure和Subplot
- 调整subplot周围的间距
- 颜⾊、标记和线型
- 设置标题、轴标签、刻度以及刻度标签
- 添加图例
- 使用rc配置默认属性
- 绘制各类图形
信息可视化（也叫绘图）是数据分析中最重要的⼯作之⼀。它可能是探索过程的⼀部分，例如，帮助我们找出异常值、必要的数据转换、得出有关模型的
idea
等。另外，做⼀个可交互的数据可视化也许是⼯作的最终⽬标。Python有许多库进⾏静态或动态的数据可视化，但我这⾥重要关注于
matplotlib
（http://matplotlib.org/ ）和基于它的库。
matplotlib
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
（http://seaborn.pydata.org/ ）。
matplotlib API入门
matplotlib
的通常约定是：
import matplotlib.pyplot as plt
%matplotlib notebook # 用于在notebook中进行交互式绘图
在
Jupyter
中运⾏
%matplotlib notebook
（或在
IPython
中运⾏
%matplotlib
），就可以创建⼀个简单的图形。
import numpy as np
data = np.arange(10)
data
plt.plot(data)
Figure和Subplot
matplotlib
的图像都位于
Figure
对象中。你可以⽤
plt.figure
创建⼀个新的
Figure
：
如果⽤的是
IPython
，这时会弹出⼀个空窗⼝，但在
Jupyter
中，必须再输⼊更多命令才能看到。
plt.figure
有⼀些选项，特别是
figsize
，它⽤于确保当图⽚保存到磁盘时具有⼀定的⼤⼩和纵横⽐。
不能通过空
Figure
绘图。必须⽤
add_subplot
创建⼀个或多个
subplot
才⾏：
这条代码的意思是：图像应该是2×2的（即最多4张图），且当前选中的是4个
subplot
中的第⼀个（编号从1开始）。
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
提示：使⽤
Jupyter notebook
有⼀点不同，即每个⼩窗重新执⾏后，图形会被重置。因此，对于复杂的图形，你必须将所有的绘图命令存在⼀个⼩窗⾥。
这⾥，我们运⾏同⼀个⼩窗⾥的所有命令：
fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
如果这时执⾏⼀条绘图命令（如
plt.plot([1.5, 3.5, -2, 1.6])
），
matplotlib
就会在最后⼀个⽤过的
subplot
（如果没有则创建⼀个）上进⾏绘制，隐藏创建
figure
和
subplot
的过程。因此，如果我们执⾏下列命令，你就会得到如上图所示的结果：
"k--"
是⼀个线型选项，⽤于告诉
matplotlib
绘制⿊⾊虚线图。上⾯那些由
fig.add_subplot
所返回的对象是
AxesSubplot
对象，直接调⽤它们的实例⽅法就可以在其它空着的格⼦⾥⾯画图了
_ = ax1.hist(np.random.randn(100), bins=20, color='k', alpha=0.3)
ax2.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30))
你可以在
matplotlib
的⽂档中找到各种图表类型。创建包含
subplot
⽹格的
figure
是⼀个⾮常常⻅的任务，
matplotlib
有⼀个更为⽅便的⽅法
plt.subplots
，它可以创建⼀个新的
Figure
，并返回⼀个含有已创建的
subplot
对象的
NumPy
数组：
fig, axes = plt.subplots(2, 3)
axes
这是⾮常实⽤的，因为可以轻松地对
axes
数组进⾏索引，就好像是⼀个⼆维数组⼀样，例如
axes[0,1]
。你还可以通过
sharex
和
sharey
指定
subplot
应该具有相同的
X
轴或
Y
轴。在⽐较相同范围的数据时，这也是⾮常实⽤的，否则，
matplotlib
会⾃动缩放各图表的界限。有关该⽅法的更多信息，请参⻅下表:
调整subplot周围的间距
默认情况下，
matplotlib
会在
subplot
外围留下⼀定的边距，并在
subplot
之间留下⼀定的间距。间距跟图像的⾼度和宽度有关，因此，如果你调整了图像⼤⼩（不管是编程还是⼿⼯），间距也会⾃动调整。利⽤
Figure
的
subplots_adjust
⽅法可以轻⽽易举地修改间距，此外，它也是个顶级函数：
plt.subplots_adjust(left=None, bottom=None, right=None, top=None,
wspace=None, hspace=None)
wspace
和
hspace
⽤于控制宽度和⾼度的百分⽐，可以⽤作
subplot
之间的间距。下⾯是⼀个简单的例⼦，其中我将间距收缩到了0:
fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)
for i in range(2):
for j in range(2):
axes[i, j].hist(np.random.randn(500), bins=50, color='k', alpha=0.5)
plt.subplots_adjust(wspace=0, hspace=0)
注意：
matplotlib
不会检查标签是否重叠，所以对于这种情况，你只能⾃⼰设定刻度位置和刻度标签。
颜⾊、标记和线型
matplotlib
的
plot
函数接受⼀组
X
和
Y
坐标，还可以接受⼀个表示颜⾊和线型的字符串缩写。例如，要根据
x
和
y
绘制绿⾊虚线，你可以执⾏如下代码：
这种在⼀个字符串中指定颜⾊和线型的⽅式⾮常⽅便。在实际中，如果你是⽤代码绘图，你可能不想通过处理字符串来获得想要的格式。通过下⾯这种更为明确的⽅式也能得到同样的效果：
常⽤的颜⾊可以使⽤颜⾊缩写，你也可以指定颜⾊码（例如，
'#CECECE'
）。你可以通过查看
plot
的⽂档字符串查看所有线型的合集（在
IPython
和
Jupyter
中使⽤
plot?
）。
线图可以使⽤标记强调数据点。因为
matplotlib
可以创建连续线图，在点之间进⾏插值，因此有时可能不太容易看出真实数据点的位置。标记也可以放到格式字符串中，但标记类型和线型必须放在颜⾊后⾯。
设置标题、轴标签、刻度以及刻度标签
为了说明⾃定义轴，我将创建⼀个简单的图像并绘制⼀段随机漫步：
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(np.random.randn(1000).cumsum())
要改变
x
轴刻度，最简单的办法是使⽤
set_xticks
和
set_xticklabels
。前者告诉
matplotlib
要将刻度放在数据范围中的哪些位置，默认情况下，这些位置也就是刻度标签。但我们可以通过
set_xticklabels
将任何其他的值⽤作标签:
ticks = ax.set_xticks([0, 250, 500, 750, 1000])
labels = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'],
rotation=30, fontsize='small')
rotation
选项设定
x
刻度标签倾斜30度。最后，再⽤
set_xlabel
为
X
轴设置⼀个名称，并⽤
set_title
设置⼀个标题（⻅上图的结果）：
ax.set_title('My first matplotlib plot')
ax.set_xlabel('stages')
Y
轴的修改⽅式与此类似，只需将上述代码中的
x
替换为
y
即可。轴的类有集合⽅法，可以批量设定绘图选项。前⾯的例⼦，也可以写为：
props = {
'title': 'My first matplotlib plot',
'xlabel': 'Stages' }
ax.set(**props)
ax.set_ylabel('world')
添加图例
图例（legend）是另⼀种⽤于标识图表元素的重要⼯具。添加图例的⽅式有多种。最简单的是在添加
subplot
的时候传⼊
label
参数：
from numpy.random import randn
fig = plt.figure(); ax = fig.add_subplot(1, 1, 1)
ax.plot(randn(1000).cumsum(), 'k', label='one')
ax.plot(randn(1000).cumsum(), 'k--', label='two')
ax.plot(randn(1000).cumsum(), 'k.', label='three')
在此之后，你可以调⽤
ax.legend()
或
plt.legend()
来⾃动创建图例：
legend
⽅法有⼏个其它的
loc
位置参数选项。请查看⽂档字符串（使⽤
ax.legend?
）。
loc
告诉
matplotlib
要将图例放在哪。如果你不是吹⽑求疵的话，
"best"
是不错的选择，因为它会选择最不碍事的位置。要从图例中去除⼀个或多个元素，不传⼊
label
或传⼊
label='nolegend'
即可。
使用rc配置默认属性
使用rc配置文件来自定义图形的各种默认属性，如设置中文字体等
属性总结详情
绘制各类图形
API
![TestLink导出用例转换工具(XML2Excel)[图]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)