初探Matplotlib

例子來自此書: 《Python編程從入門到實戰》【美】Eric Matthes

使用pyplot繪圖，一般的導入方法import matplotlib.pyplot as plt

以下代碼均在Jupyter Notebook中運行

折線圖

先看一個簡單的例子

import matplotlib.pyplot as plt

in_values = [1, 2 ,3, 4, 5]
squares = [1, 4, 9 ,16, 25]
# 第一個參數是X軸輸入，第二個參數是對應的Y軸輸出；linewidth繪製線條的粗細
plt.plot(in_values, squares, linewidth=4)
# 標題、X軸、Y軸
plt.title('Squares', fontsize=20)
plt.xlabel('Value', fontsize=12)
plt.ylabel('Square of the value', fontsize=12)
# plt.tick_params(axis='both', labelsize=15)
plt.show()

圖如下，可以看到x軸太密了，甚至都有小數。

如果想x軸只出現我們的樣本值，可以使用tick_params函數修改刻度標記的大小。把上面代碼中的倒數第二行取消註釋，得到下麵的圖像。

plt.tick_params(axis='both', labelsize=15)，其中axis=both表示同時影響x、y軸的刻度，labelsize指定了刻度的字型大小，字型大小變大，同一長度下顯示的坐標點數越少，反之亦反。由於將labelsize設置得比預設大了，故x、y軸顯示的坐標點數變少。更符合這個例子。

散點圖

還是上面的平方例子。這次使用散點圖繪製。

in_values = [1, 2 ,3, 4, 5]
squares = [1, 4, 9 ,16, 25]
# s參數為點的大小
plt.scatter(in_values, squares, s=80)
plt.title('Squares', fontsize=20)
plt.xlabel('Value', fontsize=12)
plt.ylabel('Square of the value', fontsize=12)
plt.tick_params(axis='both', labelsize=15)
plt.show()

可以看到，只是將plt.plot換成了plt.scatter，其餘的代碼基本沒變。

若輸入和輸出的點比較多，可使用列表推導式。同時可以指定點的顏色及點的輪廓顏色。預設點的顏色為藍色，輪廓為黑色。

x_values = list(range(1, 100))
y_values = [x**2 for x in x_values]
# c參數指定點的顏色，輪廓的顏色不進行設置（none）
plt.scatter(x_values, y_values, c='red', edgecolors='none' ,s=5)
# x、y軸的坐標範圍，註意提供一個列表，前兩個是x軸的範圍，後兩個是y軸的範圍
plt.axis([0, 110, 0, 11000])
plt.show()

顏色的自定義還可以使用RGB的模式，傳遞一個元組給參數c。元組裡麵包含三個[0, 1]之間的數，分別代表(R, G, B)，數字越靠近0顏色越淡，越靠近1顏色越深。比如c=(0, 0 , 0.6)表示的是一種淺藍色。

依然是平方的圖，人懶就不寫標題了。

顏色映射

顏色映射通常是一系列顏色的漸變。在可視化中，顏色映射可反應數據的規律，比如顏色淺的值比較小，顏色深的值比較大。

看一個很簡單的例子，以y軸坐標值的大小映射。

x_values = list(range(1, 100))
y_values = [x**2 for x in x_values]
# 顏色映射，按照y軸的值從淺到深，顏色採用藍色
plt.scatter(x_values, y_values, c=x_values, cmap=plt.cm.Blues, edgecolors='none' ,s=5)
plt.axis([0, 110, 0, 11000])
# 取代show方法，保存圖片到文件所在目錄，bbox_inches='tight'可裁去多餘的白邊
plt.savefig('squares_plot.png', bbox_inches='tight')

可以看到，y值小的點，顏色很淺，幾乎看不到了；隨著y值則增大，顏色越來越深。

隨機漫步模擬

先寫一個隨機漫步的類，目的是隨機選擇前進的方向

from random import choice


def get_step():
    """
    獲得移動的步長
    """
    # 分別代表正半軸和負半軸
    direction = choice([1, -1])
    # 隨機選擇一個距離
    distance = choice([0, 1, 2, 3, 4])
    step = direction * distance
    return step

class RandomWalk:
    """
    一個生成隨機漫步數據的類
    """
    # 預設漫步5000步
    def __init__(self, num_points=5000):
        self.num_points = num_points
        self.x_values = [0]
        self.y_values = [0]

    def fill_walk(self):
        """
        計算隨機漫步包含的所有點
        """
        while len(self.x_values) < self.num_points:
            x_step = get_step()
            y_step = get_step()
            # 沒有位移，跳過不取
            if x_step == 0 and y_step == 0:
                continue

            # 計算下一個點的x和y, 第一次為都0，以前的位置 + 剛纔的位移 = 現在的位置
            next_x = self.x_values[-1] + x_step
            next_y = self.y_values[-1] + y_step

            self.x_values.append(next_x)
            self.y_values.append(next_y)

開始繪製

import matplotlib.pyplot as plt


rw = RandomWalk()
rw.fill_walk()
# figure的調用在plot或者scatter之前
# plt.figure(dpi=300, figsize=(10, 6))
# 這個列表包含了各點的漫步順序，第一個元素將是漫步的起點，最後一個元素是漫步的終點
point_numbers = list(range(rw.num_points))
# 使用顏色映射繪製顏色深淺不同的點，淺色的是先漫步的，深色是後漫步的，因此可以反應漫步軌跡
plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, s=1)
# 突出起點
plt.scatter(0, 0, c='green', edgecolors='none', s=50)
# 突出終點
plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', s=50)
# 隱藏坐標軸
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)
# 指定解析度和圖像大小，單位是英寸

plt.show()

生成的圖片，密密麻麻的點。遠遠看去還挺好看。綠色的是漫步起點，紅色的是漫步的終點。

但是圖片有點不清晰，把rw.fill_walk()的下麵一行註釋取消。通常在繪圖前調用。

plt.figure(dpi=300, figsize=(10, 6))，dpi=300即是300像素/英寸，這個適當調高可獲得清晰的圖片。figsize=(10, 6)傳入的參數是元組，表示繪圖視窗的尺寸，也就是圖片的尺寸了，單位英寸。

高清大圖，爽不爽？

處理CSV數據

我們也許需要分析別人提供的數據。一般是json和csv兩種格式的文件。這裡有個天氣的數據sitka_weather_2014.csv，是2014年美國錫特卡的天氣數據。這裡用matplotlib來處理csv文件，json文件的處理放到pygal中。

下載該數據sitka_weather_2014.csv

csv文件的第一行通常是是表頭，真正的數據從第二行開始。我們先看下表頭包含哪些數據。

import csv

filename = 'F:/Jupyter Notebook/matplotlib_pygal_csv_json/sitka_weather_2014.csv'
with open(filename) as f:
    reader = csv.reader(f)
    # 只調用了一次next，得到第一行表頭
    header_row = next(reader)
    for index, column_header in enumerate(header_row):
        print(index, column_header)

列印如下

0 AKST
1 Max TemperatureF
2 Mean TemperatureF
3 Min TemperatureF
4 Max Dew PointF
5 MeanDew PointF
6 Min DewpointF
7 Max Humidity
8  Mean Humidity
9  Min Humidity
...

我們對最高溫度和最低溫度感興趣，只需要獲得第1列和第3列的數據就行。另外日期數據在第1列。

接下來不難了。從第二行開始，將最高氣溫放入highs列表，最低氣溫放入lows列表，日期放入dates列表我們想要在x軸顯示日期，引入datetime模塊。

import csv
import matplotlib.pyplot as plt
from datetime import datetime

filename = 'F:/Jupyter Notebook/matplotlib_pygal_csv_json/sitka_weather_2014.csv'
with open(filename) as f:
    reader = csv.reader(f)
    # 只調用了一次next，得到第一行表頭
    header_row = next(reader)
    # 第一列是最高氣溫，由於上面next讀取過一行了，這裡實際從第二行開始，也是數據開始的那行
    # reader只能讀取一次，所以如下寫法dates為空
#     highs = [int(row[1]) for row in reader]
#     dates= [row[0] for row in reader]
    dates, highs, lows = [], [], []
    for row in reader:
        # 捕獲異常，防止出現數據為空的情況
        try:
            date = datetime.strptime(row[0], '%Y-%m-%d')
            # 第1列最高氣溫，讀取到是字元串，轉為int
            high = int(row[1])
            # 第3列最低氣溫
            low = int(row[3])
        except ValueError:
            print(date, 'missing data')
        else:
            dates.append(date)
            highs.append(high)
            lows.append(low)

# figure在plot之前調用
fig = plt.figure(dpi=300, figsize=(10, 6))
# 最高氣溫的折線圖
plt.plot(dates, highs, c='red')
# 最低氣溫的折線圖
plt.plot(dates, lows, c='blue')
# 在兩個y值之間填充顏色，facecolor為填充的顏色，alpha參數可指定顏色透明度，0.1表示顏色很淺接近透明
plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)
plt.title('Daily high and low temperatures - 2014', fontsize=20)
plt.xlabel('', fontsize=16)
plt.ylabel('Temperature(F)', fontsize=16)
# x軸的日期調整為斜著顯示
fig.autofmt_xdate()
plt.tick_params(axis='both',labelsize=15)
plt.show()

看以看出，7月到9月都很熱，但是5月出現過非常高的氣溫！

上面的代碼有一行date = datetime.strptime(row[0], '%Y-%m-%d')。註意%Y-%m-%d要和row[0]字元串的格式一致。舉個例子

# 下麵這句報錯time data '2017/6/23' does not match format '%Y-%m-%d'
print(datetime.strptime('2017/6/22', '%Y-%m-%d')) 
print(datetime.strptime('2017-6-22', '%Y-%m-%d'))

%Y指的是四位的年份， %y是兩位年份，%m是數字表示的月份，%d數字表示的月份中的一天。

by @sunhaiyu

2017.6.22