python繪圖：matplotlib和pandas的應用

在進行數據分析時，繪圖是必不可少的模式探索方式。用Python進行數據分析時，matplotlib和pandas是最常用到的兩個庫。

1、matplotlib庫的應用
准備工作如下：打開ipython，輸入命令分別導入numpy和matplotlib.pylab庫。

import numpy as np
import matplotlib.pylab as plt

1）創建fig
繪圖第一步是創建繪圖窗口fig。

fig1 = plt.figure()

2）創建subplot
在窗口上添加AxesSubplot類型的子繪圖區域，一個窗口可以添加多個子繪圖區。

ax1 = fig1.add_subplot(2,2,1)
ax4 = fig1.add_subplot(2,2,4)

3）subplot中繪圖
調用子繪圖區的方法，可以繪制點線圖、頻數圖、散點圖等常用圖形。
注意：在同一個subplot中多次調用plot()，所得到的圖形是相互覆蓋的。

ax1.plot(np.random.randn(50).cumsum(),'k--')
ax4.hist(np.random.randn(30))

4）各類參數設置
主要關注以下幾種方法：set_xlims設置坐標軸的上下限、set_ticks設置坐標刻度、set_ticklabel設置坐標標注。

ax1.set_xlim(-10,60)
ax1.set_xticks([0,20,40,60])
ax1.set_xticklabels(['a','b','c','d'])

5）清除和保存圖形
用subplot的clear()方法可以清除現有的圖形，用figure的savefig()保存圖形到指定路徑。

ax1.clear()
#windows下的路徑
fig1.savefig(‘.\\test.jpg’)

2、pandas庫的應用
相比於利用matplotlib庫繪圖，采用pandas繪圖要便捷得多。參照前一部分，同樣需要導入pandas、numpy庫。

import pandas as pd
from pandas import Series,DataFrame
import numpy as np

1）plot方法及參數
對於Series和DataFrame類型的數據，可以直接調用兩種類型對應的plot方法，繪圖時自動采用索引值繪制橫坐標，采用每一列數據繪制縱坐標。這里分別以兩類數據為例。

se1 = Series(np.random.randn(30).cumsum())
df = DataFrame({'a':np.random.randn(30),'b':np.random.randn(30)})

 

參數設置很方便，在plot()方法參數列表中添加相應參數值即可。常用的有：類型kind可設置為line（線圖）、bar（垂直柱狀圖）、barh（水平柱狀圖）、kde（核密度估計圖），另外還有color顏色設置、linestyle線型設置、alpha設置透明度、grid設置網格等。

se1.plot(kind = 'bar', color = 'g', alpha = 0.5, grid=True)
df.plot(kind = 'bar', alpha=0.5)

2）頻數圖、散點圖
頻數圖采用hist繪制即可，單幅的散點圖還得依靠matplotlib庫，但pandas提供多幅散點圖矩陣的快速繪圖方法。

se1.plot(kind = 'bar', color = 'g')
#對角線上圖形設置為核密度圖
pd.scatter_matrix(df, diagonal='kde')

3）清除和保存圖形
有時候，我們希望清除掉當前圖形或者干脆關閉繪圖窗口。可以采用figure的clear()方法清除圖形，采用matplotlib.pylab的close（）方法則能夠直接關閉圖形窗口。

df.plot()
#清除繪圖
_.get_figure().clear()
#關閉窗口
plt.close()

3、python繪圖的未來
Python同時具備強大的數據分析功能和Web開發功能，未來繪圖的趨勢將是更加緊密的聯系數據分析和Web發布功能，所有繪制的圖形應當能夠方便的在網頁上發布。數據分析人員和網頁開發人員的工作耦合將會更加緊密。