2019-10-27

Python

16 minutes read (About 2333 words)

data_visualization

开始学习数据可视化，在此记录，目前主要是先学Python中的matplotlib这个包，这个包和MATLAB中的作图很相似，具有很高的自定义性，等到这个学习的比较深入后再考虑了解拓展其他工具的作图。附上学习链接：https://matplotlib.org/gallery/index.html

直接到官网学习是最方便的，文档详细，demo生动。

补充

这是新发现的一张思维导图，非常清晰的展示了matplotlib的结构，非常helpful。

matplotlib

① 引包：import matplotlib.pyplot as plt；
② 创建画布：fig = plt.figure()；
③ 添加分区：ax = fig.add_subplot(311)   # 3个数字分别代表 行、列 及 本图所处位置；
④ ax.axis([-5,5,0,1])    # 设置x轴最小、最大值，y轴最小、最大值；
⑤ ax.scatter(xcord1,ycord1, s=30, c='red', marker='s')  # 用于画散点图；
⑥ ax.plot(x, y)                     # 用于画线图；
⑦ plt.title(“this is a title”)      # 图形添加标题；
⑧ plt.xlabel('x')、plt.ylabel('y')  # 分别对坐标轴添加标题
⑨ plt.savefig("/path_way/img_name.jpg")  #调整好后，保存图片
⑩ plt.show()                        # 显示图形；
——————————————————————————————————————————————————————————

# 第一步：导入工具包——matplotlib、numpy、matplotlib.pyplot
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

# 第二步：数据准备——将数据处理成对应图片所需的格式
labels = ['G1', 'G2', 'G3', 'G4', 'G5']
men_means = [20, 34, 30, 35, 27]
women_means = [25, 32, 34, 20, 25]

x = np.arange(len(labels))  # the label locations


# 第三步：图片通用设置
# Add some text for labels, title and custom x-axis tick labels, etc.
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(x)
ax.set_xticklabels(labels)
ax.legend()

# 第四步：作图
fig, ax = plt.subplots()
rects1 = ax.bar(x - width/2, men_means, width, label='Men')
rects2 = ax.bar(x + width/2, women_means, width, label='Women')

width = 0.35  # the width of the bars


def autolabel(rects):
    """Attach a text label above each bar in *rects*, displaying its height."""
    for rect in rects:
        height = rect.get_height()
        ax.annotate('{}'.format(height),
                    xy=(rect.get_x() + rect.get_width() / 2, height),
                    xytext=(0, 3),  # 3 points vertical offset
                    textcoords="offset points",
                    ha='center', va='bottom')


autolabel(rects1)
autolabel(rects2)

fig.tight_layout()

# 第六步：确认完成后，以img_name.jpg文件名保存到目标路径下
plt.savefig("D:/TECHENICLEARNING/Data_visualization/img_name.jpg") # 导入.savefig()方法，添加路径，将图片保存到目标路径下
### 这一步必须放在show之前，可以考虑先注释掉这一步，等到图片调整好后再取消注释保存图片！！！

# 第五步：展示图片
plt.show() # 调用.show()方法展示图片，以便修改

示例图片如下：

img_name

图中的绿色圈为后来添加上的，圈出的地方表示可以自定义

2. 散点图与折线图

代码如下：

# 导入工具包
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
labels = ['G1', 'G2', 'G3', 'G4', 'G5']
x = [20, 34, 30, 35, 27]
y = [25, 32, 34, 20, 25]
z = [[20,26],[34, 32],[30, 34],[35, 20],[27, 25]]

# 初始化，全局标题
fig = plt.figure()
plt.title("plot and scatter")

# 第1幅散点图
ax = fig.add_subplot(2, 2, 1)
ax.scatter(x,y, s=30, c='red', marker='s')

# 第2幅折线图
ax2 = fig.add_subplot(2, 2, 2)
ax2.plot(x)
ax2.plot(y)

# 第3幅折线图
ax3 = fig.add_subplot(2, 2, 3)
ax3.plot(z)

# 第4幅折线与散点图
ax4 = fig.add_subplot(2, 2, 4)
ax4.scatter([1,2,3,4,5],y)
ax4.plot([1,2,3,4,5],x)

# 保存图片
plt.savefig("D:/TECHENICLEARNING/Data_visualization/plot-scatter.jpg")

# 图片展示，会将上面所有的图都展示出来
plt.show()

输出图片：
plot-scatter

感悟：在这里是直接使用matplotlib自动画的折线图和散点图，做好的关键在与数据的准备，如果准备的数据好的话，可以直接调用.plot()输入一个变量画折线图，默认横轴为数组的序数；如果采用scatter画图的话，需要传入两个参数，第一个是x，一般是横轴，第二个是y，一般是因变量的值，需要注意这一点，参数数量要对。另外还有其他能够自定义图片的地方，后续会进一步介绍。

3. 柱状图

代码如下：

import matplotlib
import matplotlib.pyplot as plt
import numpy as np


plt.figure(3)
x_index = np.arange(5)   #柱的索引
x_data = ('A', 'B', 'C', 'D', 'E')
y1_data = (20, 35, 30, 35, 27)
y2_data = (25, 32, 34, 20, 25)

bar_width = 0.35   #定义一个数字代表每个独立柱的宽度
rects1 = plt.bar(x_index, y1_data, width=bar_width,alpha=0.4, color='b',label='legend1')
#参数：左偏移、高度、柱宽、透明度、颜色、图例
rects2 = plt.bar(x_index + bar_width, y2_data, width=bar_width,alpha=0.5,color='g',label='legend2')
#参数：左偏移、高度、柱宽、透明度、颜色、图例
#关于左偏移，不用关心每根柱的中心不中心，因为只要把刻度线设置在柱的中间就可以了

plt.xticks(x_index + bar_width/2, x_data)   #x轴刻度线
plt.legend()    #显示图例
plt.title("bar")
plt.tight_layout()  #自动控制图像外部边缘，此方法不能够很好的控制图像间的间隔

plt.savefig("E:/Desktop/bar.png")  #格式采用.jpg或者.png都可以，注意的是，save图片需要再show之前，不然输出的图片为空白，可能原因是在show之后图片数据就清空了，所以保存后为空白

plt.show()

图片输出：
bar

感悟：在这里最好指定bar的宽度，否则默认的宽度画图非常奇怪，另外，如果要同时画多个柱形图在一个刻度上，需要指定好偏移度，避免bar相互重合，具体的参数可以看上面的设置。

4. 饼图

代码如下：

import matplotlib
import matplotlib.pyplot as plt
import numpy as np

x_data = ('A', 'B', 'C', 'D', 'E')
y1_data = (20, 35, 30, 35, 27)
y2_data = (25, 32, 34, 20, 25)
colors = 'r','y','b','g','m'
explode = (0, 0.1, 0, 0,0)  # only "explode" the 2nd slice (i.e. 'E')

fig = plt.figure()
# plt.title("pie")
pie1 = fig.add_subplot(2,1,1)
pie1.pie(y1_data, colors=colors,shadow=True, startangle=90, explode=explode, labels=x_data, autopct='%1.1f%%')
pie1.axis('equal')  # set the pie to be a circle.

pie2 = fig.add_subplot(2,1,2)
pie2.pie(y2_data, colors=colors,shadow=True, startangle=90, explode=explode, autopct='%1.1f%%', labels=x_data)
pie2.axis('equal')  # set the pie to be a circle.

fig.savefig("pie.png")
plt.show()

图片输出：
pie
pie2

感悟：这个饼状图是真的丑，颜色的透明度没有办法设置，而且默认不是圆形的，看起来实在难看，可以考虑有没有替代的方案。>有.axis(‘equal’)这个参数可以设置为圆形。

补充

线条标记种类：

parameters

图片中颜色

parameters2

如果这些颜色不够用的话，还可以这么做：
（1）通过十六进制字符串 color=’#123456’指定或者使用合法的HTML颜色名字（’red’,’chartreuse’等）。

(2)传入一个归一化到[0,1]的RGB元组，如color=(0.3,0.3,0.4)

第二部分：画图进阶

1. 数学函数图像

命令如下：

import matplotlib
import matplotlib.pyplot as plt
import numpy as np

# Data for plotting
t = np.arange(-2.0, 2.0, 0.01)
x = np.arange(-2.0, 2.0, 0.01)
x2 = np.arange(0.1, 2.0, 0.1)

s = np.sin(2 * np.pi * t)
S = np.cos(2 * np.pi * t)
y = 2*x*x
z = np.log10(x2) + 1
a = 4*x*x*x + x*x + x

fig, ax = plt.subplots()
ax.axis([-2, 2, -2, 4])
ax.plot(t, s, label='y = sinx')
ax.plot(t, S, label='y = cosx')
ax.plot(x, y, label='y = x^2')
ax.plot(x2, z, label='y = log10(x) + 1')
ax.plot(x, a, label='y = 4x^3 + x^2 + x')

ax.legend()   # 显示图例，不调用默认不显示
ax.set(xlabel='x axis', ylabel='y axis',
       title='About as simple as it gets, folks') # 通用设置
ax.grid()

fig.savefig("test.png")
plt.show()

输出图片：

math

Be careful about that, in python, if you want to draw a image with mathmatics functions, you should import the pakage named numpy.

2. 虚线

代码如下：

import matplotlib
import matplotlib.pyplot as plt
import numpy as np


x = np.linspace(0, 10, 500)
y = np.sin(x)

fig, ax = plt.subplots()

# Using set_dashes() to modify dashing of an existing line
line1, = ax.plot(x, y, label='Usinghahahha')
line1.set_dashes([2, 2, 10, 2])  # 2pt line, 2pt break, 10pt line, 2pt break

# Using plot(..., dashes=...) to set the dashing when creating a line
line2, = ax.plot(x, y - 0.2, dashes=[6, 2], label='Using the dashes parameter')

ax.legend()
plt.show()

图片输出：

set_dashes

3. 引入ggplot style

code:

import numpy as np
import matplotlib.pyplot as plt

plt.style.use('ggplot')   # use the line of code to import the ggplot style

# Fixing random state for reproducibility
np.random.seed(19680801)

fig, axes = plt.subplots(ncols=2, nrows=2)
ax1, ax2, ax3, ax4 = axes.ravel()

# scatter plot (Note: `plt.scatter` doesn't use default colors)
x, y = np.random.normal(size=(2, 200))
ax1.plot(x, y, 'o')

# sinusoidal lines with colors from default color cycle
L = 2*np.pi
x = np.linspace(0, L)
ncolors = len(plt.rcParams['axes.prop_cycle'])
shift = np.linspace(0, L, ncolors, endpoint=False)
for s in shift:
    ax2.plot(x, np.sin(x + s), '-')
ax2.margins(0)

# bar graphs
x = np.arange(5)
y1, y2 = np.random.randint(1, 25, size=(2, 5))
width = 0.25
ax3.bar(x, y1, width)
ax3.bar(x + width, y2, width,
        color=list(plt.rcParams['axes.prop_cycle'])[2]['color'])
ax3.set_xticks(x + width)
ax3.set_xticklabels(['a', 'b', 'c', 'd', 'e'])

# circles with colors from default color cycle
for i, color in enumerate(plt.rcParams['axes.prop_cycle']):
    xy = np.random.normal(size=2)
    ax4.add_patch(plt.Circle(xy, radius=0.3, color=color['color']))
ax4.axis('equal')
ax4.margins(0)  # control the elements to be on the right place.

plt.show()

图片输出

ggplot_style

图片一下子的就精美多了，当然主要是替换了图片的通用设置，图片中元素的颜色还是需要自己搭配的。

# 数据可视化

data_visualization

补充

目录

1. 基础画图

2. 画图进阶

第一部分：基础画图

1. 通用画图步骤

2. 散点图与折线图

3. 柱状图

4. 饼图

补充

第二部分：画图进阶

1. 数学函数图像

2. 虚线

3. 引入ggplot style

Categories

Tag Cloud

Tags

Recent

Archives

Recent

Archives