17.Matplotlib库入门

1.Matliotlib库介绍：

Matliotlib库是Python优秀的数据可视化第三方库，官网为http://matplotlib.org。
Matliotlib库的效果见：http://matplotlib.org/gallery.html。
Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发。
matplotlib.pyplot是绘制各类可视化图形的命令字库，相当于快捷方式。导入方式如下：

import matplotlib.pyplot as plt #尽管别名可以省略或者修改，建议使用上述约定的别名

2.Matliotlib库绘制图形：

下面是使用Matplotlib库绘制一个简单的图形并存储成文件的代码，可以看出使用Matliotlib库绘制图形还是很方便的。

import matplotlib.pyplot as plt

plt.plot([3,1,4,5,2]) #绘制一个五个元素的列表的图形
plt.ylabel("Grade") #绘y轴增加一个标签叫Grade，x轴自动生成
# plt.savefig()将输出图形存储为文件，默认PNG格式，可以通过dpi修改输出质量
plt.savefig('test',dpi=600)
plt.show()

生成如下图形：

下面使用Matplotlib库绘制xy轴均有对应数值的图形。

import matplotlib.pyplot as plt

plt.plot([0,2,4,6,8],[3,1,4,5,2]) #当有两个参数时，按照x轴和y轴顺序绘制数据点
plt.ylabel("Grade")
plt.axis([-1,10,0,6]) # 设定x轴y轴尺度的函数
plt.show()

生成如下图形：

3.Matliotlib库绘图区域：

matplotlib所绘制的图位于图片（Figure）对象中，可以使用plt.figue()生成一个新的图片，这时会出现一个空白的绘图窗口。
不过我们不能使用空白的图片进行绘图，需要通过add_subplot()来创建一个或多个子图。

import matplotlib.pyplot as plt

fig = plt.figure()
ax1 = fig.add_subplot(2,2,1) # 将图片（Figure）对象划分成2行2列，子图ax1位于第一个位置
ax2 = fig.add_subplot(2,2,2) # 子图ax2位于第二个位置
ax3 = fig.add_subplot(2,2,3) # 子图ax3位于第三个位置

plt.show()

得到如下的子图显示：

最简单分割绘图区域的办法是使用plt.subplot(nrows,ncols,plot_number)函数，将一个绘图区域分割成以第一个参数nrows作为横轴数量，将第二个参数作为纵轴数量的子区域。
使用subplot()函数，在全图绘图区域中创建一个分区体系，并定位到一个子绘图区域。
例如：plt.subplot(3,2,4)将获得如下图所示的绘图区域。

分区域绘图范例：

import numpy as np
import matplotlib.pyplot as plt
def f(t):
    return np.exp(-t) * np.cos(2 * np.pi * t)

a = np.arange(0.0, 5.0, 0.02)

plt.subplot(211)    # 因为三个参数均是数字，可以将逗号去掉
plt.plot(a ,f(a))

plt.subplot(2,1,2)
plt.plot(a, np.cos(2 * np.pi * a),'r--')
plt.show()

将得到如下效果：

plt.subplot()参数选项：

默认情况下，matplotlib会在子图的外部和子图之间留有一定的间距，这个间距都是相对于图的高度和宽度来指定的，可以使用图对象的subplots_adjust()方法来改变间距，也可以用作顶层函数。

subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None) # wspace和hspace分别控制图片的宽度和高度百分比

4.颜色、标记与线类型（plot()）：

plt.plot(x, y, format_string, **kwargs)

• x——X轴数据，列表或数组，可选（绘制多条曲线时，各条曲线的x不能省略）；
• y——Y轴数据，列表或数组；
• format_string——控制曲线的格式字符串（由颜色字符、风格字符和标记字符组成），可选；

颜色字符：

风格字符：

标记字符：

**kwargs——第二组或更多（x, y, format_string）：

color：控制颜色，color=’green’
linestyle：线条风格，linestyle=’dashed’
marker：标记风格，marker=’o’
markerfacecolor：标记颜色，markerfacecolor=’blue’
markersize，标记尺寸，markersize=20

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(10)
plt.plot(a, a*1.5,color='green',linestyle='dashed',marker='o',markerfacecolor='blue',markersize=10)
plt.show()

将颜色字符、风格字符和标记字符组合使用，效果如下：

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(10)
plt.plot(a, a*1.5,'go-', a, a*2.5,'rx', a, a*3.5,'*', a, a*4.5,'b-.')
plt.show()

5、pyplot的中文显示方法：

pyplot并不默认的支持中文的显示，如果我们希望显示中文，有两种方法实现。

• 通过rcParams（matplotlib用于改变全局字体的相关资源库）属性修改字体实现，这个方法会改变全局所有的字体：

rcParams的属性：

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

matplotlib.rcParams['font.family']='STsong' 
matplotlib.rcParams['font.size']=20

a = np.arange(0.0, 5.0, 0.02)

plt.xlabel('横轴：时间')
plt.ylabel("纵轴：振幅")
plt.plot(a, np.cos(2*np.pi*a),'r--')
plt.show()

得到如下图形：

• 在有中文输出的地方，通过增加属性fontproperties来实现（建议使用此方法）：

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(0.0, 5.0, 0.02)

plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=20) # 只对xlabel起作用
plt.ylabel("纵轴：振幅",fontproperties='SimHei',fontsize=20) # 只对ylabel起作用
plt.plot(a, np.cos(2*np.pi*a),'r--')
plt.show()

得到如下图形：

6、pyplot的文本显示方法：

其中：plt.annotate(s, xy=arrow_crd, xytext=text_crd, arrowprops=dict)

• xy——箭头所在位置；
• xytext——文本显示位置；
• arrowprops——是一个字典类型，定义了箭头显示的一些属性，facecolor表示箭头颜色、shrink表示箭头缩进比率、width表示箭头宽度。

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(0.0, 5.0, 0.02)
plt.plot(a, np.cos(2*np.pi*a),'r--')

plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=15,color='green')
plt.ylabel("纵轴：振幅",fontproperties='SimHei',fontsize=15)
# plt.title()在图形上方增加文本标签，其中'$$'表示使用Latex格式，专业排版体系，有自己的Latex语法
plt.title(r'正弦波实例$y=cos(2\pi x)$',fontproperties='SimHei',fontsize=25)
# plt.annotate()在图形中增加带箭头的注解。
plt.annotate(r'$\mu=100$',xy=(2,1),xytext=(3,1.5),arrowprops=dict(facecolor='black',shrink=0.1,width=2))
plt.axis([-1, 6, -2, 2])
plt.grid(True)
plt.show()

得到如下图形：

7.pyplot的子绘图区域：

绘制子绘图区域前面提到了plt.subplot()方法，但是要绘制复杂的绘图区域可以使用plt.subplot2grid()方法。
该方法的设计理念为，设定网格，选中网格，确定选中行列区域数量，编号从0开始，从而实现对一个自定义网格的使用。

plt.subplot2grid(GridSpec, CurSpec, colspan=1, rowspan=1)

• GridSpec——二元组(m,n)，表示将网格分为m行n列；
• CurSpec——二元组(a,b)，表示选择第几个网格，索引从0开始；
• colspan——表示列的延伸，从前面选定的位置开始在列的方向上延伸设定的长度，默认为1（不合并）；
• rowspan——表示行的延伸，默认为1（不合并）。

通过如下设定：
plt.subplot2grid((3,3),(1,0),colspan=2)
得选中如下区域的网格：

但是每次调用plt.subplot2grid()方法都需要重新对图形的设定做一个约束，例如每次都需要给出(3,3)这样一个方位，我们可以使用GridSpec类来简化其中的设定。

import matplotlib.gridspec as gridspec

gs = gridspec.GridSpec(3,3)

ax1 = plt.subplot(gs[0, :])
ax2 = plt.subplot(gs[1, :-1])
ax3 = plt.subplot(gs[1:, -1])
ax4 = plt.subplot(gs[2, 0])
ax5 = plt.subplot(gs[2, 1])

通过GridSpec类可以很方便的定位到下面各个网格位置：

Reference：
《Python for Data Analysis:Data Wrangling with Pandas,Numpy,and IPython》