Python的matplotlib包

我们前面讲到 Python 的两个科学计算库，numpy 和 pandas，相信小伙伴们已经可以熟练使用这两个库中的常见方法。华罗庚老先生曾经说过这样一句话，“数形结合百般好，数形分离万事难”，图形是我们科学计算的重要工具。在本篇我们将结合 numpy 和 pandas 包来给小伙伴们介绍一个非常好用的画图库 matplotlib，matplotlib 非常适合进行交互式制图，承接上两篇，本篇继续采用 jupyter notebook 进行演示。

首先，导入 pandas、numpy 和 matplotlib 包，结合 pandas 的 Series 函数生成一个角标从 0 到 999 的一维数组：

In [1]:  import pandas as pd
         import numpy as np
         import matplotlib.pyplot as plt
         data = pd.Series(np.random.randn(1000),index=np.arange(1000))
         data.plot()
         plt.show() 

Out [1]:  

同样，我们也可以结合 pandas 中的 DataFrame 函数生成一个矩阵，并按照矩阵的列画出 4 条线：

In [2]:  data = pd.DataFrame(np.random.randn(1000,4),index=np.arange(1000),columns=list('ABCD'))
         data = data.cumsum() # 累加
         data.plot()
         plt.show()

Out [2]:

接下来，我们将 A 作为 x 轴，将 B 作为 y 轴，画出散点图，观察 A 与 B 是否有关系：

In [3]:  data.plot.scatter(x='A',y='B',color='Red',label='Class 1')
         plt.show()

Out [3]:

我们也可以用最简单的方式，画出一条折线，并修改一下线条的风格、颜色和标记：

In [4]:  x = [1, 2, 3, 4]
y = [1, 2, 5, 7]
plt.plot(x, y, color="blue", linestyle="--", marker="*", linewidth=1.0)
plt.show()

Out [4]:

关于上文提到的线条的风格、颜色和标记的参照表，我们摘抄如下：

线条风格	实线	虚线	长虚线（上方代码中使用的）	点划线	无线条（点）
代码	-	:	--	-.	None（默认）

线条颜色	红色	黄色	绿色	蓝色（上方代码中使用的）	黑色	白色	青色
代码	r	y	g	b	k	w	c

线条标记	代码	线条标记	代码	线条标记	代码	线条标记	代码
圆圈	o（小写字母o）	点	.	星号	*	加号	+
朝下三角	v（小写字母v）	朝上三角	^	朝左三角	<	朝右三角	>
大菱形	D	小菱形	d	正方形	s	五边形	p

为了让图更清晰易懂，我们可以再额外加上标题和标签：

In [5]:  x = np.arange(4)
         y1 = np.exp(x)
         y2 = np.exp(x*2)
         plt.plot(x, y1, color="r", linestyle="-", marker="^", linewidth=1, label="y1")
         plt.plot(x, y2, color="b", linestyle="-", marker="s", linewidth=1, label="y2")
         plt.title("Figure 1")    # 声明标题为 Figure 1
         plt.legend(loc='upper left', bbox_to_anchor=(0.1, 0.9))  # 在左上角 upper left 声明标签
         plt.show()

Out [5]:

在某些情况下，我们也可以给图添加网格和背景色，更有助于参照和对比数据：

In [6]:  x = np.arange(4)
         y1 = np.exp(x)
         y2 = np.exp(x*2)
         plt.subplot(facecolor="w")  # 要先定义
         plt.plot(x, y1, color="r", linestyle="-", marker="^", linewidth=1, label="y1")
         plt.plot(x, y2, color="b", linestyle="-", marker="s", linewidth=1, label="y2")
         plt.title("Figure 1")
         plt.legend(loc='upper left', bbox_to_anchor=(0.1, 0.9))
         plt.grid(color="k",linestyle=":")
         plt.show()

Out [6]:

我们还可以更为详细地用箭头指向某条线，做详细的注释：

In [7]:  x = np.arange(4)
         y1 = np.exp(x)
         y2 = np.exp(x*2)
         plt.subplot(facecolor="w")  # 要先定义
         plt.plot(x, y1, color="r", linestyle="-", marker="^", linewidth=1, label="y1")
         plt.plot(x, y2, color="b", linestyle="-", marker="s", linewidth=1, label="y2")
         plt.title("Figure 1")
         plt.legend(loc='upper left', bbox_to_anchor=(0.1, 0.9))
         plt.grid(color="k",linestyle=":")
         plt.annotate('y2 = np.exp(x*2)', xy=(2, 50), xytext=(1.5, 210), arrowprops=dict(facecolor='k',         headwidth=5, width=1))
         plt.show()

Out [7]:

annotate 的第一个参数 'y2 = np.exp(x*2)' 是注释的文本信息，xy 表示要注释的点的坐标，xytext 表示注释文本的起始坐标，arrowprops 表示箭头，facecolor 表示箭头颜色，headwidth 表示箭头宽度，width 表示箭身宽度。