一篇文章掌握Python機器學習繪圖庫matplotlib

前言

前面博主介紹過的pandas庫，而今天介紹的matplotlib庫能和pandas庫結合起來，讓數據更加的直觀，易懂。

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。好了，下面我們直接進入實戰代碼學習。

折線圖

首先，就是我們圖標之中常用的折線圖，對於折線圖來說，能直觀的看到數據的漲跌變化，比如股市常用的圖形就是折線圖，下面我們來看看代碼如何實現：

import matplotlib.pyplot as plt

x = ['2020-01', '2020-02', '2020-03', '2020-04', '2020-05', '2020-06', '2020-07', '2020-08']
y = [0, 15, 23, 68, 45, 86, 54, 24]
plt.plot(x, y)
plt.show()

代碼非常簡單，就是確定X,Y軸的數據，然後顯示出來，這段代碼顯示的效果如下：

當然這是折線圖的基本，也是最簡單的玩法， 其實對於matplotlib庫來說，折線圖還有很多的玩法，比如可以修改折線的顏色，折現的樣式等，直接上代碼：

plt.plot(x, y,'r--')

僅僅只修改這一句就行，r代表虛線的顏色爲紅色， ‘–’代表折線的樣式爲–，顯示效果如下圖所示：
這是最簡單的用法，爲了便於理解後面的知識點，這裏開始深入展開，比如先明確Figure的概念，我們先來看一張圖：
圖片上，Figure代表畫板，Axes/Subplot代表畫紙，其他兩個英文就是X軸與Y軸，所以假如我們需要在一張畫紙上畫4個折線圖就需要用到這些知識點，代碼如下：

x = ['2020-01', '2020-02', '2020-03', '2020-04', '2020-05', '2020-06', '2020-07', '2020-08']
y = [0, 15, 23, 68, 45, 86, 54, 24]
fig = plt.figure()  # 獲取畫板
ax1 = fig.add_subplot(221)  # 獲取畫紙
ax1.plot(x, y)
ax2 = fig.add_subplot(222)  # 獲取畫紙
ax2.plot(x, y)
ax3 = fig.add_subplot(223)  # 獲取畫紙
ax3.plot(x, y)
ax4 = fig.add_subplot(224)  # 獲取畫紙
ax4.plot(x, y)
plt.show()

這裏我們創建了畫板，同時創建了畫紙，這裏設置爲兩行行列的畫板，同時分別獲取某個位置的畫紙，這樣我們就能畫出4個折線圖，顯示效果如下：

折線圖的詳細用法

如果使用如上方式先創建畫板在獲取畫紙進行畫圖的話，我們如何設置其他的參數呢？下面我們直接來看一段代碼：

matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['font.family'] = 'sans-serif'
matplotlib.rcParams['axes.unicode_minus'] = False
x = ['2020-01', '2020-02', '2020-03', '2020-04', '2020-05', '2020-06', '2020-07', '2020-08']
y = [0, 15, 23, 68, 45, 86, 54, 24]
fig = plt.figure()  # 獲取畫板
ax = fig.add_subplot(111)  # 獲取畫紙
ax.plot(x, y, linestyle='--', marker='o')#設置X,Y數據，顯示折現的樣式（--），以及數據點的樣式（圈）
ax.set_title("我的標題")  # 設置你的標題
ax.set_xlabel('X軸')  # 設置X軸的文字
ax.set_ylabel('Y軸')  # 設置Y軸的文字
ax.set_xticks(['2020-01', '2020-02', '2020-03', '2020-04', '2020-05', '2020-06', '2020-07', '2020-08'])  # 更改X軸刻度
ax.set_xticklabels(['2020-01', '2020-02', '2020-03', '2020-04', '2020-05', '2020-06', '2020-07', '2020-08'],
                   rotation=30, fontsize='small')  # 增加X軸刻度文字旋轉角度以及字體大小
ax.grid()#增加網格
ax.tick_params(axis='x', labelsize=7, rotation=45, colors='red')#同樣可以設置X軸字體樣式旋轉角度，文字顏色，第一個參數爲哪個軸
for i, j in zip(x, y):
    ax.annotate('%s' % (j), xy=(i, j), xytext=(0, 15), textcoords='offset points', ha='center')
#將詳細數據顯示在折線圖上，
#第一個參數爲註釋點顯示的數據，第二參數爲數據顯示圖中的哪個座標
# textcoords註釋文本的座標系屬性，默認與xycoords屬性值相同，也可設爲不同的值。除了允許輸入xycoords的屬性值，還允許輸入以下兩種：
# offset points相對於被註釋點xy的偏移量（單位點）
# offset pixels相對於被註釋點xy的偏移量（單位像素）
#第四個參數顯示的文字在中間
plt.show()

上面基本把常用的方法全部都寫在了代碼中，而且註釋已經寫的非常的詳細，這裏博主不在過多的贅述，上面代碼顯示的效果圖如下：

柱狀圖

除了生活中常見的折線圖之外，我們還常常見到各種報表中，也有柱狀圖，同樣柱狀圖也可以通過matplotlib包實現，下面我們先來看一個簡單的用法：

x = ['2020-01', '2020-02', '2020-03', '2020-04', '2020-05', '2020-06', '2020-07', '2020-08']
y = [0, 15, 23, 68, 45, 86, 54, 24]
fig = plt.figure()  # 獲取畫板
ax = fig.add_subplot(111)  # 獲取畫紙
ax.bar(x, y)
plt.show()

在matplotlib中，我們通過bar實現柱狀圖，而之前的折現圖我們通過plot方法實現，上面是最簡單的實現方式，實現效果圖如下：

柱狀圖的詳細用法

接着，我們同樣深入瞭解柱狀圖，看看如何實現，讓其效果更佳，同樣，我們先來看一段代碼：

import matplotlib.pyplot as plt
import matplotlib.colors as col
import matplotlib.cm as cm
import matplotlib
import numpy as np
#下面三行用處爲避免中文亂碼
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['font.family'] = 'sans-serif'
matplotlib.rcParams['axes.unicode_minus'] = False
x = [2000, 2005, 2010, 2015, 2020, 2025, 2030, 2035]
y = [0, 15, 23, 68, 45, 86, 54, 24]
y2 = [0, 10, 20, 60, 40, 80, 50, 20]
fig = plt.figure()  # 獲取畫板
ax = fig.add_subplot(111)  # 獲取畫紙
ax.bar([i + 1 for i in x], y2)
ax.set_title("柱狀圖")
ax.set_xlabel("X數據")
ax.set_ylabel("Y數據")
ax.grid()#增加網格
ax.tick_params(axis='x', labelsize=7, rotation=45, colors='red')
#annotate對齊方式
#arrowprops繪畫箭頭
for i, j in zip(x, y):
    ax.annotate('%s' % (j), xy=(i, j), xytext=(0, 25), textcoords='offset points', ha='center',
        arrowprops=dict(facecolor='black', shrink=0.15), fontsize=7)
patterns = {'-', '+', 'x', '\\', '*', 'o', '0', '.', 'v', '^', '1', '2', '3', '4', '8', 's', 'p', 'h'}#柱形圖的樣式
#cm.ScalarMappable給定的顏色映射返回RGBA顏色之前使用數據標準化
#colors.Normalize使用方法如下：
# class matplotlib.colors.Normalize(vmin=None, vmax=None)
# 參數vmin、vmax分別爲要設置的數據範圍最小值和最大值；
# 範圍外的值分別顯示最大值或最小值的顏色。
#cm.hot表示風格
camp1 = cm.ScalarMappable(col.Normalize(min(y), max(y) + 20), cm.hot)
#edgecolor：柱子輪廓色
#color：柱子填充色
#camp1.to_rgba(y)返回顏色值
bars = ax.bar(x, y, alpha=0.5, color=camp1.to_rgba(y), edgecolor='red', label=u'柱形圖')
for bar, pattern in zip(bars, patterns):
    bar.set_hatch(pattern)#設置每個柱形的填充樣式
ax.legend(loc='upper left')#左上角的提示
plt.show()

折現圖的某些方法，在柱狀圖中依然可以使用，而且上面代碼也有柱狀圖獨有的方法函數，其中一些都寫了註釋，方便大家閱讀，上面這段代碼顯示的效果如下：
當然柱狀圖並不僅僅只有豎着的纔是柱狀圖，有時候我們也可以看到許多橫着的柱狀圖，那麼橫着的柱狀圖在matplotlib中是如何實現的呢？還是一樣直接看一段代碼：

x = [2000, 2005, 2010, 2015, 2020, 2025, 2030, 2035]
y = [0, 15, 23, 68, 45, 86, 54, 24]
fig = plt.figure()  # 獲取畫板
ax = fig.add_subplot(111)  # 獲取畫紙
ax.barh(x, y)
plt.show()

代碼很簡單，就是把bar方法換成barh方法，而且上面bar能用的其他設置barh一樣都可以使用，這段代碼就實現了橫行柱狀圖，實現效果如下：

餅圖

折線圖可以看清楚數據的走勢漲跌以及升遷，柱狀圖可以看清楚高低長短以及大小，但是它們都無法確認數據的百分比分佈情況，所以這個時候就需要餅圖，我們先來看一看餅圖的簡單用法：

fig = plt.figure()  # 獲取畫板
ax = fig.add_subplot(111)  # 獲取畫紙
labels = ['娛樂', '育兒', '飲食', '房貸', '交通', '其它']
sizes = [2, 5, 12, 70, 2, 9]
plt.pie(sizes, labels=labels, autopct='%1.1f%%', shadow=False, startangle=150)
plt.title("餅圖示例-8月份家庭支出")
plt.show()

在matplotlib包中，我們使用餅圖的方法是pie，而且百分比也不用我們自己來計算，pie方法會自動幫我們計算數組的綜合，然後在分別每個數佔據的比例，上面的代碼顯示效果如下：

餅圖的詳細用法

同樣上面都是一些最基本的用法，我們實際的項目中可能還需要餅圖的其他各種詳細的設置，所以，我們先來看看餅圖詳細用法的一些代碼：

fig = plt.figure()  # 獲取畫板
ax = fig.add_subplot(111)  # 獲取畫紙
labels = ['娛樂', '育兒', '飲食', '房貸', '交通', '其它']
sizes = [2, 5, 12, 70, 2, 9]
explode = (0,0,0,0.1,0,0)
'''
x：指定繪圖的數據；
explode：指定餅圖某些部分的突出顯示，即呈現爆炸式；
labels：爲餅圖添加標籤說明，類似於圖例說明；
colors：指定餅圖的填充色；
autopct：自動添加百分比顯示，可以採用格式化的方法顯示；
pctdistance：設置百分比標籤與圓心的距離；
shadow：是否添加餅圖的陰影效果；
labeldistance：設置各扇形標籤（圖例）與圓心的距離；
startangle：設置餅圖的初始擺放角度；
radius：設置餅圖的半徑大小；
counterclock：是否讓餅圖按逆時針順序呈現；
wedgeprops：設置餅圖內外邊界的屬性，如邊界線的粗細、顏色等；
textprops：設置餅圖中文本的屬性，如字體大小、顏色等；
center：指定餅圖的中心點位置，默認爲原點
frame：是否要顯示餅圖背後的圖框，如果設置爲True的話，需要同時控制圖框x軸、y軸的範圍和餅圖的中心位置；
'''
plt.pie(sizes,explode=explode, labels=labels, autopct='%1.1f%%', shadow=False, startangle=90)
'''
legend畫出右上角顯示的顏色文字配對詳情
loc：圖例所有figure位置
bbox_to_anchor:指定圖例在軸的位置
fontsize：文字大小
borderaxespad：軸與圖例邊框之間的距離
frameon：是否去掉圖例邊框,false代表是
edgecolor：設置圖例邊框顏色
facecolor：設置圖例背景顏色,若無邊框,參數無效
handletextpad：圖例句柄和文本之間的間距
handlelength：圖例句柄的長度
handleheight：圖例句柄的高度
labelspacing：圖例條目之間的垂直間距
borderpad：圖例邊框的內邊距
framealpha：控制圖例框架的 Alpha 透明度
shadow：控制是否在圖例後面畫一個陰影
'''
ax.legend(loc='best', bbox_to_anchor=(1.1, 1.05), fontsize=8, borderaxespad=0.3,labelspacing=2.0)
plt.title("餅圖示例-8月份家庭支出")
plt.show()

上面都是餅圖常用的參數，其中有些參數並不是餅圖用的所以這裏沒有講解，因爲legend有很多參數，而且大部分還是散點圖用的參數，我們將馬上講解散點圖，我們看看上面代碼實現的效果圖：

散點圖

以上三種圖都是我們生活中常見的圖，比如財務報表，理財開支，生活貸款以及科學計算都會用到上面三種圖形，但是有一種圖是科學計算中獨用的，那就是散點圖，生活中基本見不到這種圖，但從事科學研究的大佬肯定經常用到，下面我們來看看它的簡單用法：

fig = plt.figure()  # 獲取畫板
ax = fig.add_subplot(111)  # 獲取畫紙
N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
plt.scatter(x, y)
plt.show()

在matplotlib包中，散點圖的方法是scatter，上面的代碼我們使用numpy庫隨機生成了1000具有標準正態分佈的數據，定位X,Y的座標，然後顯示出來，顯示的效果如下圖所示：

散點圖的詳細用法

當然這是散點圖最基本的用法，下面我們來看看散點圖的詳細用法，這裏我們不和上面一樣籠統的代碼註釋講解，我們將分別講解散點圖的方法參數，首先也就是我們創建散點圖的方法scatter它的參數：

scatter(x, y, s=None, c=None, marker=None, 
cmap=None, norm=None, vmin=None, 
vmax=None, alpha=None, linewidths=None, 
verts=None, edgecolors=None, 
hold=None, data=None, **kwargs)

參數的意思分別如下：

    x，y：數據座標
    
    s：原點的大小，也需要是一個list數組的類型，設置每個點的大小
    
    c：顏色，可以單獨設置（單獨設置傳入list數組），可以整體設置
    
    marker：`〜matplotlib.markers.MarkerStyle`，可選，默認值：'o'
        請參閱`〜matplotlib.markers`以獲取有關不同的更多信息
        標記分散支持的樣式。 `marker`可以是
        該類的實例或特定文本的簡寫
        標記。
    
    cmap：`〜matplotlib.colors.Colormap`，可選，默認：無
        一個`〜matplotlib.colors.Colormap`實例或註冊名稱。
        `cmap`僅在`c`是浮點數組時使用。如果沒有，
        默認爲rc`image.cmap`。
    
    norm：`〜matplotlib.colors.Normalize`，可選，默認：無
        `〜matplotlib.colors.Normalize`實例用於縮放
        亮度數據爲0,1。`norm`只有在`c`是一個數組時才被使用
        彩車。如果`None'，則使用默認值：func：`normalize`。
    
    vmin，vmax：標量，可選，默認值：無
        `vmin`和`vmax`與`norm`結合使用來標準化
        亮度數據。如果其中任何一個都是`無'，那麼最小和最大的
        使用顏色數組。請注意，如果你通過一個“規範”實例，你的
        `vmin`和`vmax`的設置將被忽略。
    
    alpha：透明度
    
    linewidths：標量或array_like，可選，默認值：無
        如果無，則默認爲（lines.linewidth，）。
    
    verts：（x，y）的序列，可選
        如果`marker`爲None，這些頂點將用於
        構建標記。標記的中心位於
        在（0,0）爲標準化單位。整體標記重新調整
        由``s``完成。
    
     edgecolors ：邊框顏色

比如我下面這段代碼設置了每個點的大小，顏色，邊框，透明度，樣式爲右尖三角形。代碼如下：

fig = plt.figure()  # 獲取畫板
ax = fig.add_subplot(111)  # 獲取畫紙
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
s = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
color = ['r', 'y', 'k', 'g', 'm', 'r', 'y', 'k', 'g', 'm']
plt.scatter(x, y, color=color, marker='>',
            s=s, edgecolor='black', alpha=0.5)
for x, y in zip(x, y):
    plt.annotate('(%s,%s)' % (x, y), xy=(x, y), xytext=(0, -10), textcoords='offset points', ha='center', va='top')
plt.show()

可以看到我們設置的點其實都在一條直線上，而且我們也同樣使用了annotate方法，標記點的座標顯示在圖像上，前面的有些方法，在散點圖中依舊可以用，包括legend方法，這段代碼顯示的效果如下：
對於matplotlib包常用的繪圖操作來說，上面基本都講解到了，其他的都是一些比較偏門的知識，感興趣的可以查詢文檔更深入的瞭解，但學會了上面的繪圖代碼，基本上大多數情況下都能輕鬆應付自如，好了matplotlib庫就講解到這裏，覺得有用的可以點個贊支持一下，謝謝。