matplotlib繪圖和可視化

matplotlib是一個用于創(chuàng)建出版質(zhì)量圖表的桌面繪圖包（主要是2D方面）。繪圖是數(shù)據(jù)分析工作中最重要的任務之一，是探索過程的一部分。

import matplotlib.pyplot as plt
from pandas import Series,DataFrame
import pandas as pd
import numpy as np
from numpy.random import randn

plt.plot(np.arange(15))
plt.show()

Figure和Subplot

fig=plt.figure()
ax1=fig.add_subplot(2,2,1)
ax2=fig.add_subplot(2,2,2)
ax3=fig.add_subplot(2,2,3)

plt.plot(np.random.randn(50).cumsum(),'k--')

"k--"是一個線型選項，用于告訴matplotlib繪制黑色虛線圖。上面那些由fig.add_subplot所返回的對象是AxesSubplot對象，直接調(diào)用它們的實例方法就可以在其他空著的格子里面畫圖

_=ax1.hist(np.random.randn(100),bins=20,color='r',alpha=0.3)
ax2.scatter(np.arange(30),np.arange(30)+3*np.random.randn(30))
plt.show()

plt.subplots，它可以創(chuàng)建一個新的Figure，并返回一個含有已創(chuàng)建的subplot對象的NumPy數(shù)組

fig,axes=plt.subplots(2,3)
axes

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x0000000012981F98>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x0000000012835FD0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000000129EAFD0>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x000000001298C9B0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000000127EDA20>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000000125DBEB8>]], dtype=object)

調(diào)整subplot周圍的間距

Figure的subplots_adjust方法可以修改間距

#subplots_adjust(left=None,bottom=None,right=None,top=None,wpace=None,hspace=None)
fig,axes=plt.subplots(2,2,sharex=True,sharey=True)
for i in range(2):
    for j in range(2):
        axes[i,j].hist(randn(500),bins=50,color='k',alpha=0.6)
        
plt.subplots_adjust(wspace=0,hspace=0)
plt.show()

顏色、標記和線型

matplotlib的plot函數(shù)接受一組X和Y坐標，還可以接受一個表示顏色和線型的字符串縮寫

ax.plot(x,y,'g--')  #根據(jù)x和y繪制綠色虛線
ax.plot(x,y,linestyle='--',color='g')

plt.plot(np.random.randn(30).cumsum(),'ko--')
plt.show()

可以把它寫成更為明確的方式

plt.plot(np.random.randn(30).cumsum(),color='b',linestyle='dashed',marker='o')
plt.show()

帶有標記的線型圖示例

在線型圖中，非實際數(shù)據(jù)點默認是按線性方式插值的?？梢酝ㄟ^drawstyle選項修改

data=np.random.randn(30).cumsum()
plt.plot(data,'k--',label='Default')
plt.show()

plt.plot(data,'k-',color='b',drawstyle='steps-post',label='steps-post')
plt.show()

plt.plot(data,'k-',color='b',drawstyle='steps-post',label='steps-post')
plt.legend(loc='best')
plt.show()

刻度、標簽和圖例

設置標題、軸標簽、刻度以及刻度標簽

創(chuàng)建一個簡單的圖像并繪制一段隨機漫步

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
plt.show()

演示xticks的簡單線型圖

可以使用set_xticks和set_xticklabels修改X軸的刻度

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())

#用set_xticks修改X軸的刻度
ticks=ax.set_xticks([0,250,500,750,1000])
#可以通過set_xticklabels將任何其他的值用作標簽
labels=ax.set_xticklabels(['one','two','three','four','five'],rotation=30,fontsize='small')
#用set_title給圖表設置一個標題
ax.set_title('My first matplotlib plot')
#為X軸設置一個名稱
ax.set_xlabel('Stages')
plt.show()

添加圖例（legend）

在添加subplot的時候傳入label參數(shù)來添加圖例

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum(),'k',label='one',color='r')
ax.plot(np.random.randn(1000).cumsum(),'k--',label='two',color='g')
ax.plot(np.random.randn(1000).cumsum(),'k.',label='three',color='b')
ax.legend(loc='best')
plt.show()

調(diào)用ax.legend()或plt.legend()來自動創(chuàng)建圖例

loc告訴matplotlib要將圖例放在哪,'beat'里面可以顯示確定的位置，如下：
best
upper right
upper left
lower left
lower right
right
center left
center right
lower center
upper center
center

如果要從圖例中去除一個或多個元素，不傳入label或傳入label='nolegend'

注解以及在Subplot上繪圖

注解可以是文本、箭頭或其他圖形等,通過text、arrow和annotate等函數(shù)進行添加。text可以將文本繪制在圖表的指定坐標(x,y)，還可以加上一些自定義格式

ax.text(x,y,"hello world!",Family='monospace',fontsize=10)

例如，我們根據(jù)2007年以來的標準普爾500指數(shù)收盤價格（來自Yahoo!Finance）繪制一張曲線圖，并標出2008年到2009年金融危機期間的一些重要日期。結(jié)果如下圖所示

from datetime import datetime
import pandas as pd
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
data=pd.read_csv('examples/spx.csv',index_col=0,parse_dates=True)
spx=data['SPX']

spx.plot(ax=ax,style='k-')

crisis_data=[
    (datetime(2007,10,11),'Peak of bull market'),
    (datetime(2008,3,12),'Bear Stearns Fails'),
    (datetime(2008,9,15),'Lehman Bankruptcy')]

for date,label in crisis_data:
    ax.annotate(label,xy=(date,spx.asof(date)+50),
                xytext=(date,spx.asof(date)+200),
                arrowprops=dict(facecolor='black'),
                horizontalalignment='left',verticalalignment='top')
    
# 放大到2007-2010
ax.set_xlim(['1/1/2007','1/1/2011'])
ax.set_ylim([600,1800])
ax.set_title('Important dates in 2008-2009 financial crisis')
plt.show()

圖2008-2009年金融危機期間的重要日期

要在圖表中添加一個圖形，你需要創(chuàng)建一個塊對象shp，然后通過ax.add_patch(shp)將其添加到subplot中

fig=plt.figure()
ax=fig.add_subplot(1,1,1)

rect=plt.Rectangle((0.2,0.75),0.4,0.15,color='r',alpha=0.6)
circ=plt.Circle((0.7,0.2),0.15,color='b',alpha=0.3)
pgon=plt.Polygon([[0.15,0.15],[0.35,0.4],[0.2,0.6]],color='g',alpha=0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)
plt.show()

將圖表保存到文件

利用plt.savefig可以將當前圖表保存到文件。該方法相當于Figure對象的實例方法savefig

plt.savefig('figpath.svg')

在發(fā)布圖片時最常用到兩個重要的選項是dpi（控制“每英寸點數(shù)”分辨率）和bbox_inches（可以剪除當前圖表周圍的空白部分）。要得到一張帶有最小白邊且分辨率為400DPI的PNG圖片可以這樣做：

plt.savefig('figpath.png',dpi=400,bbox_inches='tight')

savefig并非一定要寫入磁盤，也可以寫入任何文件型的對象，比如StringIO。其中，這個在Web上提供動態(tài)生成的圖片是很實用

from io import StringIO
plt.savefig(buffer)
plot_data=buffer.getvaule()

matplotlib配置

matplotlib自帶一些配色方案，以及為生成出版質(zhì)量的圖片而設定的默認配置信息，可以管理圖像大小、subplot邊距、配色方案、字體大小、網(wǎng)格類型等。操作matplotlib配置系統(tǒng)的方式主要有兩種。第一種是Python編程方式，即利用rc方法

將全局的圖像默認大小設置為10×10

plt.rc('figure',figsize=(10,10))

rc的第一個參數(shù)是希望自定義的對象，如'figure'、'axes'、'xtick'、'ytick'、'grid'、'legend'等。其后可以跟上一系列的關鍵字參數(shù)。最簡單的辦法是將這些選項寫成一個字典

font_opinions={'family':'monospace','weight':'bold','size':'samll'}
plt.rc('font',**font_options)

pandas中的繪圖函數(shù)

pandas在線文檔將會是最好的繪圖函數(shù)學習資源。

線型圖

Series對象的索引會被傳給matplotlib，并用以繪制X軸。可以通過use_index=False禁用該功能。
X軸的刻度和界限可以通過xticks和xlim選項進行調(diào)節(jié)，Y軸就用yticks和ylim

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

pandas的大部分繪圖方法都有一個可選的ax參數(shù)，它可以是一個matplotlib的subplot對象。這使你能夠在網(wǎng)格布局中更為靈活地處理subplot的位置。
DataFrame的plot方法會在一個subplot中為各列繪制一條線，并自動創(chuàng)建圖例。

df=DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'],index=np.arange(0,100,10))
df.plot()
plt.show()

注意： plot的其他關鍵字參數(shù)會被傳給相應的matplotlib繪圖函數(shù)，所以要更深入地自定義圖表，就必須學習更多有關matplotlib API的知識。

柱狀圖

在生成線型圖的代碼中加上kind='bar'（垂直柱狀圖）或kind='barh'（水平柱狀圖）即可生成柱狀圖。這時，Series和DataFrame的索引將會被用作X（bar）或Y（barh）刻度

fig,axes=plt.subplots(2,1)
data=Series(np.random.rand(16),index=list('abcdefghijklmnop'))
data.plot(kind='bar',ax=axes[0],color='g',alpha=0.6)
data.plot(kind='barh',ax=axes[1],color='g',alpha=0.6)
plt.show()

對于DataFrame，柱狀圖會將每一行的值分為一組

df=DataFrame(np.random.rand(6,4),index=['one','two','three','four','five','six'],columns=['A','B','C','D'])
df

df.plot(kind='bar')
plt.show()

DataFrame各列的名稱"Genus"被用作了圖例的標題。設置stacked=True即可為DataFrame生成堆積柱狀圖，這樣每行的值就會被堆積在一起

提示：柱狀圖有一個非常不錯的用法：利用value_counts圖形化顯示Series中各值的出現(xiàn)頻率，比如s.value_counts ().plot(kind='bar')。

df.plot(kind='barh',stacked=True,alpha=0.8)
plt.show()

以本書的有關小費的數(shù)據(jù)集為例，假設我們想要做一張堆積柱狀圖以展示每天各種聚會規(guī)模的數(shù)據(jù)點的百分比。我用read_csv將數(shù)據(jù)加載進來，然后根據(jù)日期和聚會規(guī)模創(chuàng)建一張交叉表

tips=pd.read_csv('examples/tips.csv')
#如果通過tips.size,取到的是一整列的和
party_counts=pd.crosstab(tips.day,tips['size'])
party_counts

進行規(guī)格化，使得各行的和為1（必須轉(zhuǎn)換成浮點數(shù)），并生成圖表

party_counts=party_counts.ix[:,2:5]# 1個人和6個人的聚會都比較少
party_pcts=party_counts.div(party_counts.sum(1).astype(float),axis=0)
party_pcts

通過該數(shù)據(jù)集就可以看出，聚會規(guī)模在周末會變大

直方圖和密度圖

直方圖（histogram）是一種可以對值頻率進行離散化顯示的柱狀圖。數(shù)據(jù)點被拆分到離散的、間隔均勻的面元中，繪制的是各面元中數(shù)據(jù)點的數(shù)量

以前面那個小費數(shù)據(jù)為例，通過Series的hist方法，我們可以生成一張“小費占消費總額百分比”的直方圖

tips['tip_pct']=tips['tip']/tips['total_bill']
tips['tip_pct'].hist(bins=50)
plt.show()

小費百分比的直方圖

與此相關的一種圖表類型是密度圖，它是通過計算“可能會產(chǎn)生觀測數(shù)據(jù)的連續(xù)概率分布的估計”而產(chǎn)生的。一般的過程是將該分布近似為一組核（即諸如正態(tài)（高斯）分布之類的較為簡單的分布）。

調(diào)用plot時加上kind='kde'即可生成一張密度圖（標準混合正態(tài)分布KDE）

tips['tip_pct'].plot(kind='kde')
plt.show()

小費百分比的密度圖

這兩種圖表常常會被畫在一起。直方圖以規(guī)格化形式給出（以便給出面元化密度），然后再在其上繪制核密度估計。接下來來看一個由兩個不同的標準正態(tài)分布組成的雙峰分布

comp1=np.random.normal(0,1,size=200)#N(0,1)
comp2=np.random.normal(10,2,size=200)# (10,4)
values=Series(np.concatenate([comp1,comp2]))
values.hist(bins=100,alpha=0.3,color='g',normed=True)
values.plot(kind='kde',style='k--')
plt.show()

散布圖

散布圖（scatter plot）是觀察兩個一維數(shù)據(jù)序列之間的關系的有效手段。matplotlib的scatter方法是繪制散布圖的主要方法

通過例子看看，首先加載了來自statsmodels項目的macrodata數(shù)據(jù)集，選擇其中幾列，然后計算對數(shù)差

macro=pd.read_csv('examples/macrodata.csv')
data=macro[['cpi','m1','tbilrate','unemp']]
trans_data=np.log(data).diff().dropna()
trans_data[-5:]

利用plt.scatter即可輕松繪制一張簡單的散布圖

plt.scatter(trans_data['m1'],trans_data['unemp'])
plt.title('Cahnges in log %s vs. log %s '%('m1','unemp'))
plt.show()

散布圖矩陣（scatter plot matrix）。
pandas提供了一個能從DataFrame創(chuàng)建散布圖矩陣的scatter_matrix函數(shù)。它還支持在對角線上放置各變量的直方圖或密度圖

pd.scatter_matrix(trans_data,diagonal='kde',alpha=0.3)
plt.show()

e:\python\lib\site-packages\ipykernel_launcher.py:1: FutureWarning: pandas.scatter_matrix is deprecated. Use pandas.plotting.scatter_matrix instead
  """Entry point for launching an IPython kernel.

通過練習python matplotlib可視化的知識，學習到對數(shù)據(jù)繪圖的基礎知識，了解到matplotlib其他的繪圖接口 seaborn和 ggplot。
完善并深入練習還是需要去官方網(wǎng)站去查看相關的用法。
有興趣可以去官網(wǎng)查看手冊：https://matplotlib.org/