什麼是 Matplotlib?
簡單來說,Matplotlib 是 Python 的一個繪圖庫。它包含了大量的工具,你可以使用這些工具創建各種圖形,包括簡單的散點圖,正弦曲線,甚至是三維圖形。Python 科學計算社區經常使用它完成數據可視化的工作。
你可以在他們的網站上了解到更多 Matplotlib 背後的設計思想,但是我強烈建議你先瀏覽一下他們的圖庫,體會一下這個庫的各種神奇功能。
畫一個簡單的圖形
首先我們要畫一條在 [0, 2pi] 上的正弦曲線。讀者應該會注意到我們在這裏使用了 Numpy 庫,但是即便你沒有使用過這個庫也不用擔心,在後面的文章中我們也會介紹到 Numpy 庫。
import matplotlib.pyplot as plt import numpy as np
以上這些就是我們將要用到的導入模塊。在我的上一篇文章(以及另一篇文章)中都提到過 from
x import *
是一種糟糕的導入方式。我們不想在程序裏重複書寫 matplotlib.pyplot
和 numpy
,這種書寫方式過於冗長,因此我們採用了上面的折中寫法。
# 簡單的繪圖
x = np.linspace(0, 2 * np.pi, 50)
plt.plot(x, np.sin(x)) # 如果沒有第一個參數 x,圖形的 x 座標默認爲數組的索引
plt.show() # 顯示圖形
上面的代碼將畫出一個簡單的正弦曲線。np.linspace(0, 2 * np.pi, 50)
這段代碼將會生成一個包含 50 個元素的數組,這 50 個元素均勻的分佈在 [0,
2pi] 的區間上。
plot
命令以一種簡潔優雅的方式創建了圖形。提醒一下,如果沒有第一個參數 x,圖形的 x 軸座標將不再是 0 到 2pi,而應該是數組的索引範圍。
最後一行代碼 `plt.show()
將圖形顯示出來,如果沒有這行代碼圖像就不會顯示。
運行代碼後應該會類似得到下面的圖形:
在一張圖上繪製兩個數據集
大多數時候讀者可能更想在一張圖上繪製多個數據集。用 Matplotlib 也可以輕鬆實現這一點。
x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x), x, np.sin(2 * x)) plt.show()
上面的代碼同時繪製了表示函數 sin(x) 和 sin(2x) 的圖形。這段代碼和前面繪製一個數據集的代碼幾乎完全相同,只有一點例外,這段代碼在調用 plt.plot()
的時候多傳入了一個數據集,並用逗號與第一個數據集分隔開。
最後你會得到類似於下面包含兩條曲線的圖形:
自定義圖形的外觀
當在同一個圖形上展示多個數據集時,通過改變線條的外觀來區分不同的數據集變得非常必要。
# 自定義曲線的外觀 x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x), 'r-o', x, np.cos(x), 'g--') plt.show()
上述代碼展示了兩種不同的曲線樣式:'r-o'
和 'g--'
。字母
'r' 和 'g' 代表線條的顏色,後面的符號代表線和點標記的類型。例如 '-o'
代表包含實心點標記的實線,'--'
代表虛線。其他的參數需要讀者自己去嘗試,這也是學習
Matplotlib 最好的方式。
顏色: 藍色 - 'b' 綠色 - 'g' 紅色 - 'r' 青色 - 'c' 品紅 - 'm' 黃色 - 'y' 黑色 - 'k'('b'代表藍色,所以這裏用黑色的最後一個字母) 白色 - 'w'
線: 直線 - '-' 虛線 - '--' 點線 - ':' 點劃線 - '-.'
常用點標記 點 - '.' 像素 - ',' 圓 - 'o' 方形 - 's' 三角形 - '^'
更多點標記樣式點擊這裏
使用子圖
使用子圖可以在一個窗口繪製多張圖。
# 使用子圖 x = np.linspace(0, 2 * np.pi, 50) plt.subplot(2, 1, 1) # (行,列,活躍區) plt.plot(x, np.sin(x), 'r') plt.subplot(2, 1, 2) plt.plot(x, np.cos(x), 'g') plt.show()
使用子圖只需要一個額外的步驟,就可以像前面的例子一樣繪製數據集。即在調用 plot()
函數之前需要先調用 subplot()
函數。該函數的第一個參數代表子圖的總行數,第二個參數代表子圖的總列數,第三個參數代表活躍區域。
活躍區域代表當前子圖所在繪圖區域,繪圖區域是按從左至右,從上至下的順序編號。例如在 4×4 的方格上,活躍區域 6 在方格上的座標爲 (2, 2)。
最終你會得到類似下面的圖形:
簡單的散點圖
散點圖是一堆離散點的集合。用 Matplotlib 畫散點圖也同樣非常簡單。
# 簡單的散點圖 x = np.linspace(0, 2 * np.pi, 50) y = np.sin(x) plt.scatter(x,y) plt.show()
正如上面代碼所示,你只需要調用 scatter()
函數並傳入兩個分別代表 x 座標和 y 座標的數組。注意,我們通過 plot
命令並將線的樣式設置爲 'bo'
也可以實現同樣的效果。
最後你會得到類似下面的無線圖形:
彩色映射散點圖
另一種你可能用到的圖形是彩色映射散點圖。這裏我們會根據數據的大小給每個點賦予不同的顏色和大小,並在圖中添加一個顏色欄。
# 彩色映射散點圖 x = np.random.rand(1000) y = np.random.rand(1000) size = np.random.rand(1000) * 50 colour = np.random.rand(1000) plt.scatter(x, y, size, colour) plt.colorbar() plt.show()
上面的代碼大量的用到了 np.random.rand(1000)
,原因是我們繪圖的數據都是隨機產生的。
同前面一樣我們用到了 scatter()
函數,但是這次我們傳入了另外的兩個參數,分別爲所繪點的大小和顏色。通過這種方式使得圖上點的大小和顏色根據數據的大小產生變化。
然後我們用 colorbar()
函數添加了一個顏色欄。
最後你會得到類似於下面的彩色散點圖:
直方圖
直方圖是另一種常見的圖形,也可以通過幾行代碼創建出來。
# 直方圖 x = np.random.randn(1000) plt.hist(x, 50) plt.show()
直方圖是 Matplotlib 中最簡單的圖形之一。你只需要給 hist()
函數傳入一個包含數據的數組。第二個參數代表數據容器的個數。數據容器代表不同的值的間隔,並用來包含我們的數據。數據容器越多,圖形上的數據條就越多。
最終你會得到類似下面的直方圖:
標題,標籤和圖例
當需要快速創建圖形時,你可能不需要爲圖形添加標籤。但是當構建需要展示的圖形時,你就需要添加標題,標籤和圖例。
# 添加標題,座標軸標記和圖例 x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x), 'r-x', label='Sin(x)') plt.plot(x, np.cos(x), 'g-^', label='Cos(x)') plt.legend() # 展示圖例 plt.xlabel('Rads') # 給 x 軸添加標籤,請注意這裏的語法可以不是很嚴的的!!多試試就知道了 plt.ylabel('Amplitude') # 給 y 軸添加標籤 plt.title('Sin and Cos Waves') # 添加圖形標題 plt.show()
爲了給圖形添加圖例,我們需要在 plot()
函數中添加命名參數 'label'
並賦予該參數相應的標籤。然後調用 legend()
函數就會在我們的圖形中添加圖例。
這就相當於先標記一下,否則調用legend的時候不認識你沒有標記的圖線
接下來我們只需要調用函數 title()
,xlabel()
和 ylabel()
就可以爲圖形添加標題和標籤。
你會得到類似於下面這張擁有標題、標籤和圖例的圖形: