一、matplotlib數據可視化入門

本文轉載自查看原文 2020-03-12 00:00 689 數據分析(Python)

參考來源：《Python數據科學手冊》第４章

URL:https://jakevdp.github.io/PythonDataScienceHandbook/

描述：筆記

１、Matplotlib常用技巧

　　1.1 導入Matplotlib

　　1.2 設置繪圖樣式

　　1.3 用不用show()？如何顯示圖形

　　1.4 將圖形保存為文件

２、兩種畫圖接口

　　2.1 MATLAB風格接口

　　2.2 面向對象接口

３、簡易線形圖

　　3.1 調整圖形：線條的顏色與風格

　　3.2 調整圖形：坐標軸上下限

　　3.3 設置圖形標簽

４、簡易散點圖

　　4.1 用plt.plot畫散點圖

　　4.2 用plt.scatter畫散點圖

　　4.3 plot與scatter：效率對比

５、可視化異常處理

　　5.1 基本誤差線

　　5.2 連續誤差線

６、密度圖與等高線圖

　　6.1 三維視圖的可視化

７、頻次直方圖、數據區間划分和分布密度

８、配置圖例

　　8.1 選擇圖例顯示的元素

　　8.2 在圖例中顯示不同尺寸的點

　　8.3 同時顯示多個圖例

９、配置顏色條

　　9.1 配置顏色條

　　9.2 案例：手寫數字

１０、多子圖

　　10.1 plt.axes:手動創建子圖

　　10.2 plt.subplot:簡易網格子圖

　　10.3 plt.subplots:用一行代碼創建網格

　　10.4 plt.GridSpec:實現更復雜的排列方式

１１、文字與注釋

　　11.1 plt.text()

　　11.2 坐標變換與文字位置

　　11.3 箭頭與注釋

１２、自定義坐標軸刻度

　　12.1 主要刻度與次要刻度

　　12.2 隱藏刻度與標簽

　　12.3 增減刻度數量

　　12.4 花哨的刻度格式

　　12.5 格式生成器與定位器小結

１３、Matplotlib自定義:配置文件與樣式表

　　13.1 手動配置圖形

　　13.2 修改默認配置：rcParams

　　13.3 樣式表

１４、用Matplotlib畫三維圖

　　14.1 三維數據點與線

　　14.2 三維等高線

　　14.3 線框圖和曲面圖

　　14.4 曲面三角剖分

１５、用Basemap可視化地理數據

　　15.1 地圖投影

　　15.2 畫一個地圖背景

　　15.3 在地圖上畫數據

　　15.4 案例：美國加州城市數據

　　15.5 案例：地表溫度數據

１６、用Seaborn做數據可視化

　　16.1 Seaborn與Matplotlib

　　16.2 Seanborn圖形介紹

　　16.3 案例：探索馬拉松比賽成績數據

１７、參考資料

　　17.1 Matplotlib資源

　　17.2 其他Python畫圖程序庫

１、Matplotlib常用技巧

　　1.1 導入Matplotlib

　　1.2 設置繪圖樣式

　　1.3 用不用show()？如何顯示圖形

　　　　　　三種開發環境：腳本、IPython shell 和 IPython Notebook

　　　　　　在腳本中，使用matplotlib時，顯示圖形必須用plt.show()，plt.show()會啟動一個事件循環（event loop),並找到所有當前可用的圖形對象，然后打開一個或多個交互式窗口顯示圖形，需要注意的是，一個python會話中只能使用一次plt.show(),因此通常都把它放在腳本的最后。

　　　　　　在ipython shell中，需要啟動matplotlib模式，通過魔法方式%matplotlib啟動。不再需要使用plt.show()。可通過plt.draw()強制更新。

　　　　　　在ipython notebook中，需要啟動matplotlib模式。

　　1.4 將圖形保存為文件

２、兩種畫圖接口

　　2.1 MATLAB風格接口

　　　　　　這種接口最重要的特性是有狀態的（stateful）：它會持續跟蹤“當前的”圖形和坐標軸，所有plt命令都可以應用，可用plt.gcf()獲取當前圖形，plt.gca()獲取當前坐標軸。

　　　　　　缺點：不方便切換子圖。

　　2.2 面向對象接口

　　　　　　面向對象接口不再受到當前“活動”圖形或坐標軸的限制，而變成了顯式的Figure和Axes的方法。

　　　　　　畫比較復雜的圖形時，對面對象方法會更方便。

３、簡易線形圖

　　3.1 調整圖形：線條的顏色與風格

　　3.2 調整圖形：坐標軸上下限

　　3.3 設置圖形標簽

　　　　　　matplotlib陷阱

４、簡易散點圖

　　4.1 用plt.plot畫散點圖

　　4.2 用plt.scatter畫散點圖

　　4.3 plot與scatter：效率對比

５、可視化異常處理

　　5.1 基本誤差線

　　5.2 連續誤差線

　　　　　　通過plt.plot與plt.fill_between來解決顯示連續變量的誤差。傳入plt.fill_between的上下限參數畫圖，與通過plt.plot畫的圖形做對比，從而可視化出誤差。　　　　

６、密度圖與等高線圖

　　　　在二維圖上用等高線圖或者彩色圖來表示三維數據。

　　　　用plt.contour畫等高線圖、用plt.contourf畫帶有填充色的等高線圖（filled contourplot)的色彩、用plt.imshow顯示圖形。

　　6.1 三維視圖的可視化

　　　　等高線圖可以用plt.contour函數來創建，它需要三個參數：x軸、y軸、z軸三個坐標軸的網格數據。x軸和y軸表示圖形中的位置，而z軸將通過等高線的等級來表示。

　　　　　當圖形中只使用一種顏色時，默認使用虛線表示負數，使用實線表示正數。

　　　　　　matplotlib的配色方案可以在ipython中用tab鍵瀏覽plt.cm模塊對應的信息。

　　　　　　通過顏色條分析：黑色區域是波峰(peak)，紅色區域是波谷(valley)。

　　　　　　說明：顏色的改變是一個離散而非連續的過程，所以看起來不那么干凈 　

７、頻次直方圖、數據區間划分和分布密度

　　7.1 頻次直方圖

　　　　　　以上為將一維數組分為區間創建一維頻次直方圖。

　　7.2 二維頻次直方圖與數據區間划分

　　　　　　將二維數組按照二維區間進行切分，來創建二維頻次直方圖。

　　7.3 核密度估計

　　　　　　核密度估計（kernel density estimation,KDE)，評估多維數據分布密度的常用方法。

８、配置圖例

　　　　圖例通過離散的標簽表示離散的圖形元素。

　　8.1 選擇圖例顯示的元素

　　　　想在可視化圖形中使用圖例，可以為不同的圖形元素分配標簽。

　　　　圖例會默認顯示所有元素的標簽,但是會忽略那些不帶標簽的元素

　　8.2 同時顯示多個圖例

　　　　　　通過從頭開始創建一個新的圖例藝術家對象(legend artist)，然后用底層的(lower-level)ax.add_artist()方法在圖上添加第二個圖例。

９、配置顏色條

　　　　對於圖形中由彩色的點、線、面構成的連續標簽,用顏色條來表示的效果比較好。

　　　　在matplotlib中，顏色條是一個獨立的坐標軸，可以指明圖形中顏色的含義。

　　9.1 配置顏色條

　　　　　可以將顏色條本身僅看做是一個plt.Axes實例，可以適用關於坐標軸和刻度值的格式配置（如plt.clim()）。

１０、多子圖

　　10.1 plt.axes:手動創建子圖

　　　　　　函數plt.axes()，默認創建一個標准的坐標軸，填滿整張圖。

　　　　　　它有一個可選參數，有圖形坐標系統的四個值構成，分別是表示圖形坐標系統的[bottom,left,width,height](底坐標，左坐標，寬度，高度)，數值的取值范圍是左下角（原點）為0，右上角為1。

　　10.2 plt.subplot:簡易網格子圖

　　10.3 plt.subplots:用一行代碼創建網格

　　　　　　　plt.subplots()與python索引從0開始的習慣保持一致。

　　　　　　　參數ha是水平對齊方式（horizonal alignment）的縮寫，可為left,right,cente

　　10.4 plt.GridSpec:實現更復雜的排列方式

１１、文字與注釋

　　11.1 plt.text()

　　　　　　通過plt.text()/ax.text()函數手動添加注釋，它們可以在具體的x/y坐標點上放文字。

　　　　　　plt.text()方法需要一個x軸坐標、一個y軸坐標、一個字符串和一些可選參數，比如文字的顏色、字號、風格、對其方式以及其它文字屬性。