机器学习3-Matplotlib

type

status

date

slug

summary

1 概述

Matplotlib is a comprehensive library for creating static, animated, and interactive visualizations in Python. Matplotlib makes easy things easy and hard things possible.

https://matplotlib.org/

Matplotlib是：

是专门用于开发2D图表(包括3D图表)

使用起来及其简单

以渐进、交互式方式实现数据可视化

Matplotlib可以用来：

可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。

能将数据进行可视化,更直观的呈现

使数据更加客观、更具说服力

例如下面两个图为数字展示和图形展示：

2 Matplotlib三层结构

2.1 容器层

容器层主要由Canvas、Figure、Axes组成。

Canvas是位于最底层的系统层，在绘图的过程中充当画板的角色，即放置画布(Figure)的工具。

Figure是Canvas上方的第一层，也是需要用户来操作的应用层的第一层，在绘图的过程中充当画布的角色。

Axes是应用层的第二层，在绘图的过程中相当于画布上的绘图区的角色。

Figure:指整个图形(可以通过plt.figure()设置画布的大小和分辨率等)

Axes(坐标系):数据的绘图区域

Axis(坐标轴)：坐标系中的一条轴，包含大小限制、刻度和刻度标签

特点为：

一个figure(图像)可以包含多个axes(坐标系/绘图区)，但是一个axes只能属于一个figure。

一个axes(坐标系/绘图区)可以包含多个axis(坐标轴)，包含两个即为2d坐标系，3个即为3d坐标系

2.2 辅助显示层

辅助显示层为Axes(绘图区)内的除了根据数据绘制出的图像以外的内容，主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。

该层的设置可使图像显示更加直观更加容易被用户理解，但又不会对图像产生实质的影响。

2.3 图像层

图像层指Axes内通过plot、scatter、bar、histogram、pie等函数根据数据绘制出的图像。

总结：

Canvas（画板）位于最底层，用户一般接触不到
Figure（画布）建立在Canvas之上
Axes（绘图区）建立在Figure之上
坐标轴（axis）、图例（legend）等辅助显示层以及图像层都是建立在Axes之上

3 折线图(plot)与基础绘图功能

目标

学习折线图的绘制和图形保存
给图形添加辅助功能(如：标注、x,y轴名称、标题等)
多次plot绘制图形
多个坐标系显示图形
知道折线图的应用场景

应用

天气的温度变化显示

3.1 折线图绘制与保存图片

为了更好地理解所有基础绘图功能，我们通过天气温度变化的绘图来融合所有的基础API使用

3.1.1 matplotlib.pyplot模块

matplotlib.pytplot包含了一系列类似于matlab的画图函数。它的函数作用于当前图形(figure)的当前坐标系(axes)。

3.1.2 折线图绘制与显示

展现上海一周的天气,比如从星期一到星期日的天气温度如下

可以看到这样显示效果并不好，我们可以加入更多的功能：

3.1.3 设置画布属性与图片保存

注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。

3.2 完善原始折线图1(辅助显示层)

案例：显示温度变化状况

需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度

效果：

3.2.1 准备数据并画出初始折线图

3.2.2 添加自定义x,y刻度

plt.xticks(x, **kwargs)

x:要显示的刻度值

plt.yticks(y, **kwargs)

y:要显示的刻度值

如果没有解决过中文问题的话，会显示这个样子：

3.2.3 中文显示问题解决

下载中文字体（黑体，看准系统版本）

下载 SimHei 字体（或者其他的支持中文显示的字体也行）

安装字体

linux下：拷贝字体到 usr/share/fonts 下：

windows和mac下：双击安装

删除~/.matplotlib中的缓存文件

修改配置文件matplotlibrc

将文件内容修改为：

3.2.4 添加网格显示

为了更加清楚地观察图形对应的值

3.2.5 添加描述信息

添加x轴、y轴描述信息及标题

3.3 完善原始折线图2(图像层)

3.3.1 多次plot

需求：再添加一个城市的温度变化

收集到北京当天温度变化情况，温度在1度到3度。怎么去添加另一个在同一坐标系当中的不同图形，其实很简单只需要再次plot即可，但是需要区分线条，如下显示

我们仔细观察，用到了两个新的地方，一个是对于不同的折线展示效果，一个是添加图例。

3.3.2 设置图形风格

颜色字符	风格字符
r 红色	- 实线
g 绿色	- - 虚线
b 蓝色	-. 点划线
w 白色	: 点虚线
c 青色	' ' 留空、空格
m 洋红	ㅤ
y 黄色	ㅤ
k 黑色	ㅤ

显示图例

注意：如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来。

完整代码：

3.4 练一练

练习多次plot流程(从上面复制代码,到自己电脑,确保每人环境可以正常运行),

同时明确每个过程执行实现的具体效果

3.5 多个坐标系显示-plt.subplots(面向对象的画图方法)

如果我们想要将上海和北京的天气图显示在同一个图的不同坐标系当中，效果如下：

可以通过subplots函数实现(旧的版本中有subplot，使用起来不方便)，推荐subplots函数

matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw) 创建一个带有多个axes(坐标系/绘图区)的图

关于axes子坐标系的更多方法：参考https://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes

注意：plt.函数名()相当于面向过程的画图方法，axes.set_方法名()相当于面向对象的画图方法。

3.6 折线图的应用场景

呈现公司产品(不同区域)每天活跃用户数

呈现app每天下载数量

呈现产品新功能上线后,用户点击次数随时间的变化

拓展：画各种数学函数图像

注意：plt.plot()除了可以画折线图，也可以用于画各种数学函数图像

代码：

3.7 小结

图像保存【知道】

plt.savefig("路径")

添加x,y轴刻度【知道】

plt.xticks()
plt.yticks()
注意:在传递进去的第一个参数必须是数字,不能是字符串,如果是字符串吗,需要进行替换操作

添加网格显示【知道】

plt.grid(linestyle="--", alpha=0.5)

添加描述信息【知道】

plt.xlabel()
plt.ylabel()
plt.title()

多次plot【了解】

直接进行添加就OK

显示图例【知道】

plt.legend(loc="best")
注意:一定要在plt.plot()里面设置一个label,如果不设置,没法显示

多个坐标系显示【了解】

plt.subplots(nrows=, ncols=)

折线图的应用【知道】

1.应用于观察数据的变化
2.可是画出一些数学函数图像

4 常见图形绘制

👉

学习目标

目标

掌握常见统计图及其意义
绘制散点图和柱状图

应用

探究不同变量之间的关系

Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。

我们需要知道不同的统计图的意义，以此来决定选择哪种统计图来呈现我们的数据。

4.1 常见图形种类及意义

折线图：以折线的上升或下降来表示统计数量的增减变化的统计图

特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)

api：plt.plot(x, y)

散点图：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。

特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)

api：plt.scatter(x, y)

柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。

特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)

api：plt.bar(x, width, align='center', **kwargs)

直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。

特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)

api：matplotlib.pyplot.hist(x, bins=None)

饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

特点：分类数据的占比情况(占比)

api：plt.pie(x, labels=,autopct=,colors)

4.2 散点图绘制

需求：探究房屋面积和房屋价格的关系

房屋面积数据：

房屋价格数据：

代码：

4.3 柱状图绘制

需求-对比每部电影的票房收入

电影数据如下图所示：

1 准备数据

2 绘制

matplotlib.pyplot.bar(x, width, align='center', **kwargs)

绘制柱状图

代码：

参考链接：

https://matplotlib.org/index.html

4.4 小结

折线图【知道】

能够显示数据的变化趋势，反映事物的变化情况。(变化)
plt.plot()

散点图【知道】

判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
plt.scatter()

柱状图【知道】

绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
plt.bar(x, width, align="center")

直方图【知道】

绘制连续性的数据展示一组或者多组数据的分布状况(统计)
plt.hist(x, bins)

饼图【知道】

用于表示不同分类的占比情况，通过弧度大小来对比各种分类
plt.pie(x, labels, autopct, colors)