Scatter 散點圖
本節我們將講述各種不同的plot的方式。之前我們講到了如何plot線，今天我們講述如何plot散點圖。
# 首先，先引入matplotlib.pyplot簡寫作plt,再引入模塊numpy用來產生一些隨機數據。 # 生成1024個呈標准正態分布的二維數據組 (平均數是0，方差為1) 作為一個數據集，並圖像化這個數據集。 # 每一個點的顏色值用T來表示： import matplotlib.pyplot as plt import numpy as np n = 1024 # data size X = np.random.normal(0, 1, n) # 每一個點的X值 Y = np.random.normal(0, 1, n) # 每一個點的Y值 T = np.arctan2(Y,X) # for color value # 數據集生成完畢，現在來用scatterplot這個點集，鼠標點上去，可以看到這個函數的各個parameter的描述，如下圖： # 輸入X和Y作為location，size=75，顏色為T，color map用默認值，透明度alpha 為 50%。 # x軸顯示范圍定位(-1.5，1.5)，並用xtick()函數來隱藏x坐標軸，y軸同理： plt.scatter(X, Y, s=75, c=T, alpha=.5) plt.xlim(-1.5, 1.5) plt.xticks(()) # ignore xticks plt.ylim(-1.5, 1.5) plt.yticks(()) # ignore yticks plt.show()
Bar 柱狀圖
本節我們介紹一下用matplotib來制作一個柱狀圖，
生成基本圖形
向上向下分別生成12個數據，X為 0 到 11 的整數 ，Y是相應的均勻分布的隨機數據。使用的函數是plt.bar，參數為X和Y：
# Bar 柱狀圖 # 生成基本圖形 # 向上向下分別生成12個數據，X為 0 到 11 的整數 ，Y是相應的均勻分布的隨機數據。 # 使用的函數是plt.bar，參數為X和Y： import matplotlib.pyplot as plt import numpy as np n = 12 X = np.arange(n) Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n) Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n) plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white') plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white') plt.xlim(-.5, n) plt.xticks(()) plt.ylim(-1.25, 1.25) plt.yticks(()) plt.show()
# 這樣我們就生成了下圖所示的柱狀圖基本框架： # 加顏色和數據 # 下面我們就顏色和數值進行優化。 用facecolor設置主體顏色，edgecolor設置邊框顏色為白色， # 接下來我們用函數plt.text分別在柱體上方（下方）加上數值， # 用%.2f保留兩位小數，橫向居中對齊ha='center'，縱向底部（頂部）對齊va='bottom'： import matplotlib.pyplot as plt import numpy as np n = 12 X = np.arange(n) Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n) Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n) plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white') plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white') plt.xlim(-.5, n) plt.xticks(()) plt.ylim(-1.25, 1.25) plt.yticks(()) for x, y in zip(X, Y1): # ha: horizontal alignment 水平對齊 # va: vertical alignment 垂直對齊 plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom') for x, y in zip(X, Y2): # ha: horizontal alignment # va: vertical alignment plt.text(x + 0.4, -y - 0.05, '%.2f' % y, ha='center', va='top') plt.show()
Contours 等高線圖
contour美: ['kɑn.tʊr] 英: ['kɒntʊə(r)]n.輪廓；等高線
畫等高線
添加高度數字
Contours 等高線圖 #數據集即三維點 (x,y) 和對應的高度值，共有256個點。高度值使用一個 height function f(x,y) 生成。 x, y 分別是在區間 [-3,3] 中均勻分布的256個值，並用meshgrid在二維平面中將每一個x和每一個y分別對應起來，編織成柵格: import matplotlib.pyplot as plt import numpy as np def f(x,y): # the height function return (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 -y**2) n = 256 x = np.linspace(-3, 3, n) y = np.linspace(-3, 3, n) X,Y = np.meshgrid(x, y) # 接下來進行顏色填充。使用函數plt.contourf把顏色加進去，位置參數分別為：X, Y, f(X,Y)。透明度0.75，並將 f(X,Y) 的值對應到color map的暖色組中尋找對應顏色。 # use plt.contourf to filling contours # X, Y and value for (X,Y) point plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot) # 接下來進行等高線繪制。使用plt.contour函數划線。位置參數為：X, Y, f(X,Y)。顏色選黑色，線條寬度選0.5。現在的結果如下圖所示，只有顏色和線條，還沒有數值Label： # use plt.contour to add contour lines C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)
# 添加高度數字 # 其中，8代表等高線的密集程度，這里被分為10個部分。如果是0，則圖像被一分為二。 #最后加入Label，inline控制是否將Label畫在線里面，字體大小為10。並將坐標軸隱藏： plt.clabel(C, inline=True, fontsize=10) plt.xticks(()) plt.yticks(())
Image 圖片
隨機矩陣畫圖
出圖方式
colorbar
# 隨機矩陣畫圖 #這一節我們講解怎樣在matplotlib中打印出圖像。這里我們打印出的是純粹的數字，而非自然圖像。 我們今天用這樣 3x3 的 2D-array 來表示點的顏色，每一個點就是一個pixel。 import matplotlib.pyplot as plt import numpy as np a = np.array([0.313660827978, 0.365348418405, 0.423733120134, 0.365348418405, 0.439599930621, 0.525083754405, 0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3) # 三行三列的格子，a代表每一個值，圖像右邊有一個注釋，白色代表值最大的地方，顏色越深值越小。下面我們來看代碼： plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')
# 我們之前選cmap的參數時用的是：cmap=plt.cmap.bone，而現在，我們可以直接用單引號傳入參數。 origin='lower'代表的就是選擇的原點的位置。 # 出圖方式 # 我們在這個鏈接 可以看到matplotlib官網上對於內插法的不同方法的描述。下圖是一個示例： # 這里我們使用的是內插法中的 Nearest-neighbor 的方法，其他的方式也都可以隨意取選。
plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower'
# colorbar # 下面我們添加一個colorbar ，其中我們添加一個shrink參數，使colorbar的長度變短為原來的92%： plt.colorbar(shrink=.92) plt.xticks(()) plt.yticks(()) plt.show()
3D 數據
3D 圖
投影
# 3D 數據 # 首先在進行 3D Plot 時除了導入 matplotlib ，還要額外添加一個模塊，即 Axes 3D 3D 坐標軸顯示： import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 之后要先定義一個圖像窗口，在窗口上添加3D坐標軸，顯示成下圖： fig = plt.figure() ax = Axes3D(fig)
# 接下來給進 X 和 Y 值，並將 X 和 Y 編織成柵格。每一個（X, Y）點對應的高度值我們用下面這個函數來計算。 # X, Y value X = np.arange(-4, 4, 0.25) Y = np.arange(-4, 4, 0.25) X, Y = np.meshgrid(X, Y) # x-y 平面的網格 R = np.sqrt(X ** 2 + Y ** 2) # height value Z = np.sin(R) # 做出一個三維曲面，並將一個 colormap rainbow 填充顏色，之后將三維圖像投影到 XY 平面上做一個等高線圖。 plot 3D 圖像： ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
# 其中，rstride 和 cstride 分別代表 row 和 column 的跨度。 # 投影 # 下面添加 XY 平面的等高線：' ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))
# zdir='z'可以選擇x,y,z