今天我们来介绍一下python的一个可视化工具matplotlib
matplotlib
使用matplotlib的方式有很多，但最通常的是Pylab模式的ipython(-ipython –pylab)
matplotlib的api都位于matplotlib.pyplot中，所以一般的引入方式为：
import matplotlib.pyplot as plt

Figure、Subplot
Figure
matplitlib的图像必须在Figure中，Figure创建方式如下：
fig = plt.figure() # 之后会弹出一个Figure窗口

创建好Figure后，并不能直接绘图，需要使用add_subplot创建一个或多个子图，在子图中绘图，创建方式如下：
ax1 = fig.add_subplot(2,2,1) # 将figure分为四块，在第一块创建一个子图;返回AxesSubplot对象

之后我们就可以绘制我们的图像了
plt.plot(randn(50).cumsum(), 'k--') 

Figure和subplot的创建经常使用，所以matplotlib提供了简洁的创建方式：
fig, axes = plt.subplots(2,3) # 创建一个新Figure、并返回一个含有已创建subplot对象的Numpy数组 
ax = axes[0,1] # 引用第一行第二列的subplot对象

该函数的一些参数选项：

调整图像之间的间距
通常情况下，matplotlib会在subplot外围留下一些边距，并在subplot之间留下一些间距。
我们可以利用subplots_adjust()函数来修改间距
subplots_adjust(left=None,bootom=None,right=None,top=None,wspace=None,hspace=None) # 该函数是一个顶级函数；wspace、hspace用来控制宽度和高度的百分比，用作subplot之间的间距
plt.subplots_adjust(wspace=0, hspace=0) # 设置subplots之间的间距为0

颜色、线型和标记
matplotlib的plot()函数接受一组X和Y坐标，和一个表示颜色和线形的字符串
ax.plot(x,y,'g--') # 根据x，y绘制绿色虚线
# ax为一subplot

刻度、标签和图例
设置X轴范围：
plt.xlim() # 返回当前X轴的范围
plt.xlim([0,10]) # 将X轴的范围设为[0, 10]
# 以上方法都只对当前或最近创建的Subplot起作用

设置标题、轴标签、刻度以及刻度标签


设置标题
ax.set_title("My first matplotlib plot") # 设置对应dubplot的标题



设置轴标签
ax.set_xlabel() # 为对应subplot的x轴设置标签
ax.set_ylabel()



设置刻度
设置刻度有两个方法，set_xticks和set_xticklabels，前者告诉maatplotlib将刻度放在对应范围的哪个位置，默认情况下这些刻度就是刻度标签；后者可以将任何其他类型的值作为标签
ax.set_xticks([0,1,2,3,4]) # 将0,1,2,3,4作为x轴刻度标签
ax.set_xticklabels(['one','two','three','four','five']) # 将one,two,three,four,five作为x轴刻度标签
ax.set_yticks()
ax.set_xticklabels()



添加图例

图例是标识图表元素的重要工具。


方式一，在添加subplot时传入label参数

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(), 'k--', label='one')
ax.plot(randn(1000).cumsum(), 'k', label='two')
ax.plot(randn(1000).cumsum(), 'k.', label='three')
ax.legend(loc='best') # loc指定图例放置的位置,'best'参数标识系统将图例放置到最不碍事的地方


将图标保存到文件
利用plt.savefig可以将当前图表保存到文件
plt.savefig('figpath.png', dpi=400) # 将当前图表存储为png文件
# dpi参数指定每英寸点数(分辨率)

Pandas中的绘图函数
从上面的例子中我们可以看出，matplotlib实际上是一个比较低级的画图工具，当我们绘制一张图标时，往往要指定他的多个属性，如图例，标签，标题等。而pandas中的绘图函数大大简化了这个过程。
Series与DataFrame数据都可以通过调用plot函数来绘制图表


Series：
s = Series(np.random.randn(10).cumsum(), index=np.arange(0,100,10))
s.plot()








DataFrame：
df = DataFrame(np.random.randn(10,4).cumsum(), columns=['A','B','C','D'],index=np.arange(0,100,10))
# columns参数指定图例名称，index指定x轴标签
# np.random.randn(10,4)共10行4列，产生四条曲线，每条曲线十个数据点
df.plot()






除了matplotlib外，还有许多优秀的画图工具，如chaco、mayavi等
目前对于matplotlib的介绍就是这些，更多的知识可以研究一下pandas官方文档（pandas正在不断地更新中，会提供越来越多的函数），链接如下：
http://pandas.pydata.org/pandas-docs/stable/user_guide/visualization.html

在网上看见许多matplotlib的安装教程都是比较复杂，需要配置许多环境，对于电脑基础不好的人来说可是一件头疼的事情，今天我介绍一个简单的安装方法。

1.Win+R输入cmd进入到CMD窗口下，执行python -m pip install -U pip setuptools进行升级。



2.输入python -m pip install matplotlib进行自动的安装，系统会自动下载安装包



 

3.进入到python idle中，运行import matplotlib，如下图所示，如果没有报错，就证明安装成果。



输入以下代码运行成果证明安装没问题

import matplotlib.pyplot as plt
labels='frogs','hogs','dogs','logs'
sizes=15,20,45,10
colors='yellowgreen','gold','lightskyblue','lightcoral'
explode=0,0.1,0,0
plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50)
plt.axis('equal')
plt.show()




 





 

 



 

Python三维绘图

在遇到三维数据时，三维图像能给我们对数据带来更加深入地理解。python的matplotlib库就包含了丰富的三维绘图工具。

1.创建三维坐标轴对象Axes3D
创建Axes3D主要有两种方式，一种是利用关键字projection='3d'l来实现，另一种则是通过从mpl_toolkits.mplot3d导入对象Axes3D来实现，目的都是生成具有三维格式的对象Axes3D.
#方法一，利用关键字
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定义坐标轴
fig = plt.figure()
ax1 = plt.axes(projection='3d')
#ax = fig.add_subplot(111,projection='3d')  #这种方法也可以画多个子图


#方法二，利用三维轴方法
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定义图像和三维格式坐标轴
fig=plt.figure()
ax2 = Axes3D(fig)

2.三维曲线和散点
随后在定义的坐标轴上画图：
import numpy as np
z = np.linspace(0,13,1000)
x = 5*np.sin(z)
y = 5*np.cos(z)
zd = 13*np.random.random(100)
xd = 5*np.sin(zd)
yd = 5*np.cos(zd)
ax1.scatter3D(xd,yd,zd, cmap='Blues')  #绘制散点图
ax1.plot3D(x,y,z,'gray')    #绘制空间曲线
plt.show()


3.三维曲面
下一步画三维曲面：
fig = plt.figure()  #定义新的三维坐标轴
ax3 = plt.axes(projection='3d')

#定义三维数据
xx = np.arange(-5,5,0.5)
yy = np.arange(-5,5,0.5)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(X)+np.cos(Y)


#作图
ax3.plot_surface(X,Y,Z,cmap='rainbow')
#ax3.contour(X,Y,Z, zdim='z',offset=-2，cmap='rainbow)   #等高线图，要设置offset，为Z的最小值
plt.show()



如果加入渲染时的步长，会得到更加清晰细腻的图像：

ax3.plot_surface(X,Y,Z,rstride = 1, cstride = 1,cmap='rainbow'),其中的row和cloum_stride为横竖方向的绘图采样步长，越小绘图越精细。


4.等高线
同时还可以将等高线投影到不同的面上：
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定义坐标轴
fig4 = plt.figure()
ax4 = plt.axes(projection='3d')

#生成三维数据
xx = np.arange(-5,5,0.1)
yy = np.arange(-5,5,0.1)
X, Y = np.meshgrid(xx, yy)
Z = np.sin(np.sqrt(X**2+Y**2))

#作图
ax4.plot_surface(X,Y,Z,alpha=0.3,cmap='winter')     #生成表面， alpha 用于控制透明度
ax4.contour(X,Y,Z,zdir='z', offset=-3,cmap="rainbow")  #生成z方向投影，投到x-y平面
ax4.contour(X,Y,Z,zdir='x', offset=-6,cmap="rainbow")  #生成x方向投影，投到y-z平面
ax4.contour(X,Y,Z,zdir='y', offset=6,cmap="rainbow")   #生成y方向投影，投到x-z平面
#ax4.contourf(X,Y,Z,zdir='y', offset=6,cmap="rainbow")   #生成y方向投影填充，投到x-z平面，contourf()函数

#设定显示范围
ax4.set_xlabel('X')
ax4.set_xlim(-6, 4)  #拉开坐标轴范围显示投影
ax4.set_ylabel('Y')
ax4.set_ylim(-4, 6)
ax4.set_zlabel('Z')
ax4.set_zlim(-3, 3)

plt.show()



5.随机散点图
可以利用scatter()生成各种不同大小，颜色的散点图，其参数如下：
#函数定义
matplotlib.pyplot.scatter(x, y, 
	s=None,   #散点的大小 array  scalar
	c=None,   #颜色序列   array、sequency
	marker=None,   #点的样式
	cmap=None,    #colormap 颜色样式
	norm=None,    #归一化  归一化的颜色camp
	vmin=None, vmax=None,    #对应上面的归一化范围
 	alpha=None,     #透明度
	linewidths=None,   #线宽
	verts=None,   #
	edgecolors=None,  #边缘颜色
	data=None, 
	**kwargs
	)
#ref:https://matplotlib.org/api/_as_gen/matplotlib.pyplot.scatter.html

from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定义坐标轴
fig4 = plt.figure()
ax4 = plt.axes(projection='3d')

#生成三维数据
xx = np.random.random(20)*10-5   #取100个随机数，范围在5~5之间
yy = np.random.random(20)*10-5
X, Y = np.meshgrid(xx, yy)
Z = np.sin(np.sqrt(X**2+Y**2))

#作图
ax4.scatter(X,Y,Z,alpha=0.3,c=np.random.random(400),s=np.random.randint(10,20, size=(20, 40)))     #生成散点.利用c控制颜色序列,s控制大小

#设定显示范围

plt.show()


Finish

Todo bar

代码实例
plt.figure(figsize=(6, 6.5))

注意，这里的画面大小其实是 600 * 650的。
（所以，不要太输入太的数字）
具体实例

import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(6, 6.5))
for i in range(4):
    ax = plt.subplot(221+i)
    alpha = 0.98 / 4 * i + 0.01
    ax.set_title('%.3f' % alpha)
    t1 = np.arange(0.0, 1.0, 0.01)
    for n in [1, 2, 3, 4]:
        plt.plot(t1, t1 ** n, label="n=%d" % n)
    leg = plt.legend(loc='best', ncol=4, mode="expand", shadow=True)
    leg.get_frame().set_alpha(alpha)

plt.savefig('1.png')
plt.show()