本篇博客所有示例使用Jupyter NoteBook演示。
Python數據處理系列筆記基於：Python數據科學手冊電子版 下載密碼：ovnh
示例代碼 下載密碼:02f4
目錄
一、Matplotlib常用技巧
1.導入Matplotlib
2.設置繪圖樣式
3.用不用show()?如何顯示圖形
- 在腳本中畫圖
如果在腳本文件或集成環境中使用Matplotlib，顯示圖形必須使用plt.show()：
注意一個Python會話只能使用一次plt.show()，通常放在腳本最後；多個plt.show()會導致異常。
- 在Ipython shell中畫圖
在Ipython shell中啓動Matplotlib模式後，就不需要使用plt.show().
此後任何plt命令都會自動打開一個圖形窗口，增加新命令，圖形就會更新。
有一些變化，如改變已經畫好的線條屬性不會自動及時更新，可以使用plt.draw()強制更新。
-
在Ipython Notebook中畫圖
將圖形直接嵌在IPython Notebook頁面中，有兩種形式上：
1）%matplotlib notebook會在Notebook中啓動交互式圖形
2）%matplotlib inline會在Notebook中啓動靜態圖形
統一使用2）：
4.將圖形保存爲文件
可以用savefig()把圖形保存爲不同的數據格式：
查看系統支持的文件格式：
保存圖像文件不需要使用plt.show()等命令。
二、兩種畫圖接口
1.MATLAB風格接口
這種接口是有狀態的：會持續跟蹤當前的圖形和座標軸，所有plt命令都可以用：
這種接口當創建第二個子圖時，如果再回到第一個子圖增加內容，會很複雜。
2.面向對象接口
畫簡單圖形時，二者看個人喜好；畫比較複雜的圖形時，面向對象方法會更方便。
三、簡易折線圖
在Notebook中畫圖，需要先導入：
首先需要創建一個圖形fig和一個座標軸ax：
然後用ax.plot畫圖(面向對象接口)：
plt.plot() Matplotlib接口：
在一幅圖中畫多條曲線，可以重複調用plot：
1.調整圖形：線條的顏色與風格
設置曲線顏色，用color參數，有多種表示方法：
如果不知道顏色，會爲多條曲線默認使用一組顏色。
可以用linestyle參數調整線條風格：
組合color和linestyle參數：
2.調整圖形：座標軸上下限
也可以使用plt.axis()設置範圍：
plt.axis()還可以設置佈局：
3.設置圖形標籤
設置圖形標題和座標標題：
單圖顯示多條曲線時，設置圖例：
絕大多數Matlab接口和麪向對象接口是通用的，如plt.plot()和ax.plot(),plt.legend()和ax.legend()等，也有一些稍有不同，二者轉換如下：
使用面向對象接口時，一般不單獨調用這些函數，而是用ax.set()統一設置：
四、簡易散點圖
1.用plt.plot畫散點圖
演示一些不同的圖形標記：
圖形標記可以與線條和顏色結合使用：
設置散點和線條的屬性：
2.用plt.scatter畫散點圖
與plt.plot()相比，plt.scatter()創建散點圖更靈活：
引入鳶尾花數據集，feature[0]是花萼長度，feature[1]是花萼寬度，圖中點的大小代表feature[3]花瓣的寬度，三種顏色對應三種類型的鳶尾花：
3.plot與scatter：效率對比
對於小型數據集，二者差異不大；對於大型數據集，plot比scatter快很多。
原因在於plot中散點基本彼此複製，整個數據集中所有點的顏色、尺寸只需要配置一次；scatter會對每個散點進行單獨的大小與顏色的渲染。
五、可視化異常處理
1.基本誤差線
改善選項，一般誤差線顏色比數據點顏色淺一點比較好：
可以設置水平誤差線、單側誤差線等。可以參考程序文檔plt.errorbar.
2.連續誤差
有時需要顯示連續變量的誤差：
通過高斯過程迴歸方法，演示對帶有不確定性的連續測量值進行擬合：
fill_between首先傳入x軸座標值，然後傳入y軸下邊界，以及上邊界，接下來是一些線條屬性設置。，整個區域被誤差線填充。
擬合效果：在接近樣本點的區域，模型受很強的約束，擬合誤差很小，接近真實值；遠離樣本點的區域，模型不受約束，誤差不斷增大。
六、密度圖和等高線圖
1.三維函數的可視化
等高線圖可視化三維數據：
查看所有配色方案：
可以用plt.contourf()來填充等高線，語法和plt.contour()一致：
通過plt.imshow()，將2維數組渲染成漸變圖：
imshow()注意事項：
1）plt.imshow()不支持x軸和y軸數據設置網格，必須通過extent參數設置圖形的座標範圍[xmin,xmax,ymin,ymax
2) plt.imshow()原點在左上角，而不是絕大多數等高線圖使用的左下角。在顯示網格數據圖形時必須調整
3）plt.imshow()會自動調整座標軸的精度以適應數據顯示。可以通過plt.axis(aspect='image')設置x和y軸的單位
將等高線圖與彩色圖結合：如將一幅背景爲半透明的彩色圖（alpha設置透明度），與另一幅座標相同、帶數據標籤的等高線圖疊放在一起（plt.clabel()):
七、頻次直方圖、數據區間劃分和分佈密度
一個簡易的頻次直方圖：
個性化的頻次直方圖：
同坐標軸多個頻次直方圖：
簡單計算每個區間內的樣本數，不想畫圖：
1.二維頻次直方圖與數據區間劃分
就像把一維數組分爲區間創建一維頻次直方圖一樣，可以將2維數組按照2維區間劃分，創建2維頻次直方圖：
- plt.hist2d:2維頻次直方圖
與hist一樣hist2d也有很多其他配置選項。
如果不想畫圖，只想查看計算結果：
- plt.hexbin:六邊形區間劃分
2維頻次直方圖是與座標軸正交的方塊分割而成的，比較常用的是用正六邊形分割：
-
核密度估計
用於評估多維數據分佈密度的常用方法，KDE。
演示用KDE抹去空間中離散的數據點，擬合出一個平滑的函數：
八、配置圖例
可以使用plt.legend()/ax.legend()來創建最簡單的圖例，它會自動創建一個包含每個圖形元素的圖例：
個性化圖例設置：
1.選擇圖例顯示的元素
圖例會默認顯示所有元素的標籤，也可以不顯示全部：
也可以爲要顯示的圖例設置標籤：
2.在圖例中顯示不同尺寸的點
有時可能需要用不同尺寸的點表示數據特徵，希望創建這樣的圖例來反應這些特徵。
下面有點的尺寸來表示美國加州不同城市的面積，顏色代表不同城市的人口數，通過一個不同尺寸的點來顯示不同面積的圖例：
加州城市數據集 下載密碼:94pq
3.同時顯示多個圖例
如果要在一張圖上顯示多個圖例不太容易，legend()只能爲一張圖設置第一個圖例，再設置圖例第一個會被覆蓋。
可以通過如下方法實現：
九、配置顏色條
創建最簡單的顏色條：
1.配置顏色條
通過cmap參數設置顏色條配色方案：
查看所有配色方案：
- 選擇配色方案
一般情況下只需重點關注三種不同的配色方案：
1）順序配色方案：由一組連續的顏色構成的配色方案（binary或viridis）
2）互逆配色方案：由兩種互補的顏色構成，表示正反兩種含義（RdBu或PuOr）
3）定性配色方案：隨機順序的一組顏色（rainbow或jet）
可以通過把配色方案轉換成黑白的灰度圖看看具體的顏色：
上圖中灰度圖中比較亮的條紋。這些亮度變化不均勻的條紋在彩色圖中對應一段區間，由於色彩太接近容易凸顯出數據集中不重要的部分，jet不是一種好的配色方案，更好的是viridis。
彩虹效果，可以用cubehelix配色方案可視化連續的數值：
要用兩種顏色表示正反兩種含義時，可使用RdBu雙色配色方案：
- 顏色條刻度的限制與擴展功能的設置
顏色條本身可以看作一個plt.Axes的實例，之前學習的關於座標軸和刻度紙的格式配置都可以用。
我們還可以縮短顏色取值的上下限，對於超出上下限的數據，通過extend用三角箭頭表示比上限大的數或比下限小的數。
左圖用默認的顏色條刻度限制實現的效果，噪點的範圍完全覆蓋了我們感興趣的數據。
右圖設置了顏色條刻度的上下限，並在上下限之外增加了擴展功能，這樣數據可視化圖形顯然更有效果。
- 離散型顏色條
顏色條默認是連續的，有時可能需要表示離散數據：
2.案例：手寫數字
下載手寫數字數據集,對一些數字可視化：
每個數字由64個像素構成，每個數字可以看作一個64維空間中的點，每個維度表示一個像素的亮度。
可視化高維空間非常困難，一種解決方法是降維，在儘量保留數據內部重要關聯性的同時降低數據的維度，如流形學習：
使用流形學習將數字投影到2維空間並可視化：
數字3和5投影面積有重疊，說明手寫3，5難以區分，自動分類算法容易搞混；
其他數字如0和1，隔得比較遠，說明2者不太可能出現混淆。
十、多子圖
1.plt.axes:手動創建子圖
plt.axes默認創建一個標準座標軸，圖形座標系統由四個值組成[底座標，左座標，寬度，高度],取值範圍爲左下角爲原點（0），右上角爲1.
創建兩個豎直排列的座標軸：
上子圖起點座標y爲0.5位置，與下子圖對應，起點y座標爲0.1位置，高度爲0.4
2.plt.subplot:簡易網格子圖
創建彼此對齊的行列子圖：
面向對象接口可實現同樣的效果：
3.plt.subplots:一行代碼創建網格
4.plt.GridSpec:實現更復雜的排列方式
實現不規則的多行多列子圖網格：
創建多軸頻次直方圖（後續的Seaborn中會有專門的接口）：
