學會Python-Matplotlib可視化，快速完成數據分析（1）——一文詳解常見統計圖的繪制

學會Python-Matplotlib可視化，快速進行數據分析（1）——一文詳解常見統計圖的繪制

• • matplotlib庫
  • 曲線圖
  • • 曲線圖的繪制
    • 結合Numpy庫，繪制曲線圖
    • 繪制多曲線圖
    • 讀取數據文件繪制曲線圖
  • 散點圖
  • 條形圖
  • • 單組條形圖
    • • 垂直條形圖
      • 水平條形圖
    • 多組條形圖
    • 堆積條形圖
    • 對稱條形圖
  • 餅圖
  • 直方圖
  • 箱形圖
  • 三角網格圖
  • 系列鏈接

matplotlib庫

Matplotlib是Python的繪圖庫，它提供了一整套和 matlab 相似的命令 API，可以生成出版質量級別的精美圖形，Matplotlib使繪圖變得非常簡單，在易用性和性能間取得了優異的平衡。

曲線圖

曲線圖的繪制

作為繪圖程序的Hello World，我們將首先繪制一條簡單的曲線。同時還將簡單介紹matplotlib的工作原理。

# plot.py
import matplotlib.pyplot as plt
x = range(50)
y = [value * 2 for value in x]
plt.plot(x, y)
plt.show()

上述代碼將會繪制曲線y=2*x，其中x在[0，50]范圍內，如下所示：
可以看到窗口上方還包含多個圖標，其中：

項目	Value
	此按鈕用於將所繪制的圖形另存為所需格式的圖片，包括png，jpg，pdf，svg等常見格式
	此按鈕用於調整圖片的尺寸，邊距等圖片屬性
	此按鈕用於縮放圖片，用於觀察圖形細節，單擊此按鈕后，在圖形上使用鼠標左鍵拖拽進行放大，使用鼠標右鍵拖拽進行縮小
	此按鈕用於移動圖形，可以與“縮放”按鈕結合觀察放大后圖片的具體細節，同時，單擊此按鈕后，在圖形上使用鼠標右鍵拖拽可以縮放坐標軸的比例
	此按鈕用於將圖形恢復到其初始狀態，取消縮放、移動等操作

Tips：plt.plot(x, y)用於繪制一條曲線，其中，曲線點的x坐標在列表x中給出，曲線點的y坐標在列表y中給出。

由於matplotlib它只專注於繪圖，因此如果想從文件中讀取輸入或進行一些中間計算，那么必須使用Python模塊，但不用擔心，matplotlib與其他模塊具有良好的兼容性，並不涉及過多的技巧。例如，要生成大量統計圖形，可能需要使用科學計算包，如Numpy和Python的文件讀取I/O模塊。在接下來的講解中會給出相應的示例。

結合Numpy庫，繪制曲線圖

繪制曲線cos(x)，x在[0, 2*pi]區間內：

# cos_1.py
import math
import matplotlib.pyplot as plt
scale = range(100)
x = [(2 * math.pi * i) / len(scale) for i in scale]
y = [math.cos(i) for i in x]
plt.plot(x, y)
plt.show()

若采用Numpy庫，則可以使用以下等效代碼：

# cos_2.py
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 2 * np.pi, 100)
y = np.cos(x)
plt.plot(x, y)
plt.show()

所繪制圖形如下所示：
Tips：雖然Numpy對於可視化而言並非必要，但可以看出使用Numpy庫可以更加高效。
Numpy可以一次對整個數組執行操作，可以使代碼更高效，以繪制[-10,10]區間內的曲線$y=x^3+5x-10$為例：

# plot_np.py
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-10, 10, 800)
y = x ** 3 + 5 * x - 10
plt.plot(x, y)
plt.show()

繪制圖形如下

繪制多曲線圖

很多時候我們需要對比多組數據，以發現數據間的異同，此時就需要在一張圖片上繪制多條曲線——多曲線圖，下圖展示了在同一圖片中繪制函數$y=x$、$y=x^2$，$y=lo{g}_{e}x$以及$y=sin(x)$：

# plot_multi_curve.py
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0.1, 2 * np.pi, 100)
y_1 = x
y_2 = np.square(x)
y_3 = np.log(x)
y_4 = np.sin(x)
plt.plot(x,y_1)
plt.plot(x,y_2)
plt.plot(x,y_3)
plt.plot(x,y_4)
plt.show()

上述腳本繪制圖形如下：

Tips：一條曲線的繪制需要調用一次plt.plot()，而plt.show()只需調用一次。這種延遲呈現機制是matplotlib的核心，我們可以聲明在任何時間繪制圖形，但只有在調用plt.show()時才會渲染顯示圖形。
為了更好的說明這種延遲呈現機制，編寫以下代碼：

# deferred_rendering.py
import numpy as np
import matplotlib.pyplot as plt
def plot_func(x, y):
    x_s = x[1:] - y[:-1]
    y_s = y[1:] - x[:-1]
    plt.plot(x[1:], x_s / y_s)
x = np.linspace(-5, 5, 200)
y = np.exp(-x ** 2)
plt.plot(x, y)
plot_func(x, y)
plt.show()

繪制圖形如下：

可以看到，盡管其中一個plt.plot()是在plot_func函數中調用的，它對圖形的呈現沒有任何影響，因為plt.plot()只是聲明了我們要呈現的內容，但還沒有執行渲染。因此可以使用此特性結合for循環、條件判斷等語法完成復雜圖形的繪制，同時也可以在同一張圖中組合不同類型的統計圖。

讀取數據文件繪制曲線圖

很多情況下數據都是存儲於文件中，因此，需要首先讀取文件中的數據，再進行繪制，說明起見，以.txt文件為例，其他諸如Excel、CSV文件可以使用pandas、numpy等庫進行讀取。
假設存在data.txt文件如下：

0 1
1 2
2 5
4 17
5 26
6 37

讀取數據和繪制的代碼如下：

# read_txt.py
import matplotlib.pyplot as plt
x, y = [], []
for line in open('data.txt', 'r'):
    values = [float(s) for s in line.split()]
    x.append(values[0])
    y.append(values[1])
plt.plot(x, y)
plt.show()

如果使用Numpy庫，其等效代碼可以寫為：

import matplotlib.pyplot as plt
import numpy as np
data = np.loadtxt('data.txt')
plt.plot(data[:,0], data[:,1])
plt.show()

散點圖

當繪制曲線圖時，我們假設點與點之間存在序列關系。而散點圖是簡單地繪制點，它們之間並不存在連接。

import numpy as np
import matplotlib.pyplot as plt
data = np.random.rand(1000, 2)
plt.scatter(data[:,0], data[:,1])
plt.show()

Tips：函數plt.scatter()的調用方式與plt.plot()完全相同，分別將點的x和y坐標作為輸入參數。

條形圖

條形圖具有豐富的表現形式，常見的類型包括單組條形圖，多組條形圖，堆積條形圖和對稱條形圖等。

單組條形圖

條形圖的每種表現形式都可以繪制成垂直條形圖或水平條形圖，以單組條形圖的兩種繪制方式為例。

垂直條形圖

import matplotlib.pyplot as plt
data = [10., 20., 5., 15.]
plt.bar(range(len(data)), data)
plt.show()

Tips：plt.plot()函數的作用是：接收兩個參數，包括每個條形的x坐標和每個條行的高度。
通過可選參數width，pyplot.bar()提供了一種控制條形圖中條狀寬度的方法:

import matplotlib.pyplot as plt
data = [10., 20., 5., 15.]
plt.bar(range(len(data)), data, width=0.5)
plt.show()

水平條形圖

如果更喜歡水平條形外觀，就可以使用plt.barh()函數，在用法方面與plt.bar()基本相同，但是修改條形寬度(或者在水平條形圖中應該稱為高度)的參數需要使用height：

import matplotlib.pyplot as plt
data = [10., 20., 5., 15.]
plt.barh(range(len(data)), data, height=0.5)
plt.show()

多組條形圖

當需要比較不同年份相應季度的銷量等此類需求時，我們可能需要多組條形圖。

import numpy as np
import matplotlib.pyplot as plt
data = [[10., 20., 30., 20.],[40., 25., 53., 18.],[6., 22., 52., 19.]]
x = np.arange(4)
plt.bar(x + 0.00, data[0], color = 'b', width = 0.25)
plt.bar(x + 0.25, data[1], color = 'g', width = 0.25)
plt.bar(x + 0.50, data[2], color = 'r', width = 0.25)
plt.show()

堆積條形圖

通過使用plt.bar()函數中的可選參數，可以繪制堆積條形圖。

import matplotlib.pyplot as plt
y_1 = [3., 25., 45., 22.]
y_2 = [6., 25., 50., 25.]
x = range(4)
plt.bar(x, y_1, color = 'b')
plt.bar(x, y_2, color = 'r', bottom = y_1)
plt.show()

Tips：plt.bar()函數的可選參數bottom允許指定條形圖的起始值。
可以結合for循環，利用延遲呈現機制堆疊更多的條形：

import numpy as np
import matplotlib.pyplot as plt
data = np.array([[5., 30., 45., 22.], [5., 25., 50., 20.], [1., 2., 1., 1.]])
x = np.arange(data.shape[1])
for i in range(data.shape[0]):
    plt.bar(x, data[i], bottom = np.sum(data[:i], axis = 0))
plt.show() 

對稱條形圖

一個簡單且有用的技巧是對稱繪制兩個條形圖。例如想要繪制不同年齡段的男性與女性數量的對比：

import numpy as np
import matplotlib.pyplot as plt
w_pop = np.array([5., 30., 45., 22.])
m_pop = np.array( [5., 25., 50., 20.])
x = np.arange(4)
plt.barh(x, w_pop)
plt.barh(x, -m_pop)
plt.show()

圖中女性人口的條形圖照常繪制。然而，男性人口的條形圖的條形圖的條形圖向左延伸，而不是向右延伸。可以使用數據的負值來快速實現對稱條形圖的繪制。

餅圖

餅圖可以用於對比數量間的相對關系：

import matplotlib.pyplot as plt
data = [10, 15, 30, 20]
plt.pie(data)
plt.show()

Tips：plt.pie()函數將一系列值作為輸入，將值傳遞給matplolib，它就會自動計算各個值在餅圖中的相對面積，並進行繪制。

直方圖

直方圖是概率分布的圖形表示。事實上，直方圖只是一種特殊的條形圖。我們可以很容易地使用matplotlib的條形圖函數，並進行一些統計運算來生成直方圖。但是，直方圖非常有用，因此matplotlib提供了一個更加方便的函數：

import numpy as np
import matplotlib.pyplot as plt
x = np.random.randn(1024)
plt.hist(x, bins = 20)
plt.show()

Tips：plt.hist()函數的作用是：獲取一系列值作為輸入。值的范圍將被划分為大小相等的范圍（默認情況下數量為10），然后生成條形圖，一個范圍對應一個條柱，一個條柱的高度是相應范圍內中的值的數量，條柱的數量由可選參數bins確定。

箱形圖

箱形圖可以通過方便地顯示一組值的中位數、四分位數、最大值和最小值來比較值的分布。

import numpy as np
import matplotlib.pyplot as plt
data = np.random.randn(200)
plt.boxplot(data)
plt.show()

Tips：plt.boxplot()函數的作用是：獲取一組值，並自動計算平均值、中位數和其他統計量。
箱形圖描述：

1. 圖中黃線是分布的中位數。
2. 方形箱框包括從下四分位數Q1到上四分位數Q3的50%的數據。
3. 下盒須的下四分位延伸到1.5(Q3-Q1)。
4. 上盒須從上四分位延伸至1.5 (Q3-Q1)。
5. 離盒須較遠的數值用圓圈標記。

要在單個圖形中繪制多個箱形圖，對每個箱形圖調用一次plt.boxplot()是不可行。它會將所有箱形圖畫在一起，形成一個混亂的、不可讀的圖形。如果想要到達符合要求的效果，只需在一次調用plt.boxplot()中，同時繪制多個箱形圖即可，如下所示：

import numpy as np
import matplotlib.pyplot as plt
data = np.random.randn(200, 6)
plt.boxplot(data)
plt.show()

三角網格圖

處理空間位置時會出現網格圖。除了顯示點之間的距離和鄰域關系外，三角網格圖也是表示地圖的一種方便方法。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.tri as tri
data = np.random.rand(200, 2)
triangles = tri.Triangulation(data[:,0], data[:,1])
plt.triplot(triangles)
plt.show()

Tips：代碼中導入了matplotlib.tri模塊，該模塊提供了從點計算三角網格的輔助函數。

系列鏈接

學會Python-Matplotlib可視化，快速完成數據分析（2）——自定義顏色繪制精美統計圖
學會Python-Matplotlib可視化，快速完成數據分析（3）——自定義樣式繪制精美統計圖
學會Python-Matplotlib可視化，快速完成數據分析（4）——添加注釋讓統計圖通俗易懂