matplotlib介紹

基本圖形展現(xiàn)

使用plot函數(shù)称龙，首先收藏鏈接：http://matplotlib.org/contents.html

%matplotlib inline
import matplotlib.pyplot as plt
plt.plot([1,3,2,4]读串，[1,3,2,7],'ro')
plt.ylabel('some numbers')
plt.axis([0, 6, 0, 20])
plt.show()

上面例子里的plot里的list規(guī)定了x和y掂墓，如果缺省一個則將視為y值，后面的‘ro’表示紅色的圈圈演痒，可以做修改能真；
axis()命令給定了坐標范圍，格式是[xmin, xmax, ymin, ymax]胜嗓；
實際上，matplotlib不僅可以用于畫向量钩乍，還可以用于畫多維數(shù)據數(shù)組辞州。

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

格式設置

線形設置

有很多線的性質可供你設置：線寬，虛線格式寥粹，反鋸齒補償变过，等埃元。進一步深入了解參數(shù)可以參見matplotlib.lines.Line2D

·我們可以通過'linewidth'來設置線寬，通過設定set_antialiased來確定是否消除鋸齒

line = plt.plot([1,2,3,4], [1,4,9,16], '-', linewidth=2.0)
line.set_antialiased(False) # 關閉反鋸齒

面我們都只畫了一條線媚狰。這里岛杀，我們采用lines = plot(x1,y1,x2,y2)來畫兩條線≌腹拢可以使用setp()命令楞件，可以像MATLAB一樣設置幾條線的性質。 setp可以使用python 關鍵詞裳瘪，也可用MATLAB格式的字符串。(plt.setp(lines))

lines = plt.plot([1,2,3,4], [1,4,9,16], [1,2,3,4], [16,5,6,2])
# use keyword args
plt.setp(lines, color='r', linewidth=2.0)
# or MATLAB style string value pairs
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)

我們在作圖中經常用到的性質都在以下列表中給出了：
線型包括

線型  描述
'-' 實線
'--'    虛線
'-.'    點劃線
':' 點
'None', '', 不畫

線標記包括

標記  描述
'o' 圓圈
'D' 鉆石
'h' 六邊形1
'H' 六邊形2
'x' X
'', 'None'  不畫
'8' 八邊形
'p' 五角星
',' 像素點
'+' 加號
'.' 點
's' 正方形
'*' 星型
'd' 窄鉆石
'v' 下三角
'<' 左三角
'>' 右三角
'^' 上三角

顏色 所有的顏色設置可以通過命令matplotlib.pyplot.colors()來查詢

標記  顏色
'b' 藍色
'g' 綠色
'r' 紅色
'c' 藍綠色
'm' 品紅
'y' 黃色
'k' 黑色
'w' 白色

如果上面的顏色還是不夠用罪针，可以采用RGB3元組來定義彭羹，范圍是0~1
比如：color = (0.3, 0.3, 0.4)
color可以被用在一系列和函數(shù)中，這里我們再title中改變color

修改坐標范圍

默認情況下泪酱，坐標軸的最小值和最大值與輸入數(shù)據的最小派殷、最大值一致。也就是說墓阀，默認情況下整個圖形都能顯示在所畫圖片上毡惜，我們可以通過xlim(xmin, xmax)和ylim(ymin, ymax)來調整x,y坐標范圍，見下：

xlim(-2.5, 2.5)
#設置y軸范圍
ylim(-1, 1)
plt.plot(x, y1)

創(chuàng)建子圖

你可以通過plt.figure創(chuàng)建一張新的圖斯撮，plt.subplot來創(chuàng)建子圖经伙。subplot()指令包含numrows(行數(shù)), numcols(列數(shù)), fignum(圖像編號)，其中圖像編號的范圍是從1到行數(shù) * 列數(shù)勿锅。在行數(shù) * 列數(shù)<10時帕膜，數(shù)字間的逗號可以省略。

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)

plt.figure(1)
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')

plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()

你可以多次使用figure命令來產生多個圖溢十，其中垮刹，圖片號按順序增加。這里张弛，要注意一個概念當前圖和當前坐標荒典。所有繪圖操作僅對當前圖和當前坐標有效。通常吞鸭，你并不需要考慮這些事寺董，下面的這個例子為大家演示這一細節(jié)。

plt.figure(1)                # 第一張圖
plt.subplot(211)             # 第一張圖中的第一張子圖
plt.plot([1,2,3])
plt.subplot(212)             # 第一張圖中的第二張子圖
plt.plot([4,5,6])


plt.figure(2)                # 第二張圖
plt.plot([4,5,6])            # 默認創(chuàng)建子圖subplot(111)

plt.figure(1)                # 切換到figure 1 ; 子圖subplot(212)仍舊是當前圖
plt.subplot(211)             # 令子圖subplot(211)成為figure1的當前圖
plt.title('Easy as 1,2,3')   # 添加subplot 211 的標題

添加文字

text()可以在圖中的任意位置添加文字刻剥，并支持LaTex語法
xlable(), ylable()用于添加x軸和y軸標簽
title()用于添加圖的題目

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# 數(shù)據的直方圖
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)
plt.xlabel('Smarts')
plt.ylabel('Probability')
#添加標題
plt.title('Histogram of IQ')
#添加文字
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()

t0 = plt.text(0.35,0.5,'my text')
plt.setp(t0, color='b',fontsize=24)
t = plt.xlabel('my data', fontsize=14, color='red')

注釋文本

在數(shù)據可視化的過程中螃征，圖片中的文字經常被用來注釋圖中的一些特征。使用annotate()方法可以很方便地添加此類注釋透敌。在使用annotate時盯滚，要考慮兩個點的坐標：被注釋的地方xy(x, y)和插入文本的地方xytext(x, y)

ax = plt.subplot(111)

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
            arrowprops=dict(facecolor='black', shrink=0.05),
            )

plt.ylim(-2,2)
plt.show()

圖例

一個圖例包含多個圖例項踢械，每個圖例項由圖例說明和圖例標簽構成
圖例標簽
由彩色的圖案構成，位于圖例說明的左側
圖例說明
圖例標簽的說明文字
使用legend()函數(shù)可以自動添加圖例

line_up, = plt.plot([1,2,3], label='Line 2')
line_down, = plt.plot([3,2,1], label='Line 1')
plt.legend(handles=[line_up, line_down])

有時候多個圖例圖例分別添加在不同位置使圖有更強的可讀性魄藕∧诹校可以通過多次調用legned()函數(shù)來實現(xiàn)。添加圖例的位置可以用關鍵詞loc來指定背率。

line1, = plt.plot([1,2,3], label="Line 1", linestyle='--')
line2, = plt.plot([3,2,1], label="Line 2", linewidth=4)

# Create a legend for the first line.
first_legend = plt.legend(handles=[line1], loc=1)

# Add the legend manually to the current Axes.
ax = plt.gca().add_artist(first_legend)

# Create another legend for the second line.
plt.legend(handles=[line2], loc=4)

plt.show()

seaborn介紹

參考以下鏈接：http://seaborn.pydata.org/tutorial.html

格式設置 Style management

seaborn有五種模版darkgrid, whitegrid, dark, white, and ticks可以選擇

sns.set_style("whitegrid")
data = np.random.normal(size=(20, 6)) + np.arange(6) / 2
sns.boxplot(data=data);

可以用下面的命令去掉axes spines

sns.despine()

you can pass a dictionary of parameters to the rc argument of axes_style() and set_style()

sns.set_style("darkgrid", {"axes.facecolor": ".9"})
sinplot()

顏色設置
這里喜歡用的顏色：

漸變藍色：
sns.palplot(sns.color_palette("Blues"))
漸變綠色：
sns.palplot(sns.color_palette("BuGn_r"))
漸變紫色：
sns.palplot(sns.cubehelix_palette(8))

顏色設置方法：

x, y = np.random.multivariate_normal([0, 0], [[1, -.5], [-.5, 1]], size=300).T
cmap = sns.cubehelix_palette(light=1, as_cmap=True)
sns.kdeplot(x, y, cmap=cmap, shade=True);

設置圖像的大小和位置

f, ax = plt.subplots(figsize=(7, 3))
sns.countplot(y="deck", data=titanic, color="c");

各類圖像

分布圖

單變量分布圖

在畫分布圖的時候可以選擇是否加陰影（就是下面的填充）话瞧，可以選擇是否按照什么分布fit，可以選擇kde和hist

sns.distplot(x, bins=20, kde=False, rug=True寝姿，hist=False);
sns.kdeplot(x, bw=.2, label="bw: 0.2"交排，shade=True, cut=0)；
sns.distplot(x, kde=False, fit=stats.gamma);

兩個變量關系圖

從最簡單的散點圖開始：

sns.jointplot(x="x", y="y", data=df);

難一點的蜂窩圖
x, y = np.random.multivariate_normal(mean, cov, 1000).T
with sns.axes_style("white"):
    sns.jointplot(x=x, y=y, kind="hex", color="k");
以及密度核型圖
sns.jointplot(x="x", y="y", data=df, kind="kde");

等高線圖：

f, ax = plt.subplots(figsize=(6, 6))
sns.kdeplot(df.x, df.y, ax=ax)
sns.rugplot(df.x, color="g", ax=ax)
sns.rugplot(df.y, vertical=True, ax=ax);

還可以玩出花樣：

g = sns.jointplot(x="x", y="y", data=df, kind="kde", color="m")
g.plot_joint(plt.scatter, c="w", s=30, linewidth=1, marker="+")
g.ax_joint.collections[0].set_alpha(0)
g.set_axis_labels("$X$", "$Y$");

pairplot

iris = sns.load_dataset("iris")
sns.pairplot(iris);

g = sns.PairGrid(iris)
g.map_diag(sns.kdeplot)
g.map_offdiag(sns.kdeplot, cmap="Blues_d", n_levels=6);

類別變量

sns.stripplot(x="day", y="total_bill", data=tips);
sns.swarmplot(x="day", y="total_bill", data=tips);
sns.swarmplot(x="total_bill", y="day", hue="time", data=tips);
sns.boxplot(x="day", y="total_bill", hue="time", data=tips);
sns.violinplot(x="total_bill", y="day", hue="time", data=tips);

可以將兩個圖疊加在一起

sns.violinplot(x="day", y="total_bill", data=tips, inner=None)
sns.swarmplot(x="day", y="total_bill", data=tips, color="w", alpha=.5);

對于圖進行基本的統(tǒng)計：

sns.barplot(x="sex", y="survived", hue="class", data=titanic);
sns.countplot(x="deck", data=titanic, palette="Greens_d");
sns.pointplot(x="sex", y="survived", hue="class", data=titanic);

分面圖：

sns.factorplot(x="day", y="total_bill", hue="smoker",
               col="time", data=tips, kind="swarm");

線性關系圖

sns.regplot(x="total_bill", y="tip", data=tips);
sns.lmplot(x="total_bill", y="tip", data=tips);