1 matplotlib API入门

约定：

import matplotlib.pyplot as plt
import numpy as np

1.1 Figure 和 Subplot

plt.figure创建一个figure空对象；空的figure不能绘图，需要创建sub_plot。 plt.add_subplot增加子图。

如：

fig = plt.figure()

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

# 默认在最后一个sub_plot上绘图
plt.plot(np.random.randn(50),'k--')
# “k--”：表示黑色虚线

_  = ax1.hist(np.random.randn(100), bins = 20, color='k', alpha=0.3)

ax2.scatter(np.arange(30), np.arange(30)+ 3* np.random.randn(30))

形成绘图：

更加简便的方法，plt.subplots一次创建fig和sub_plot

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

axes
Out[7]:
array([[<matplotlib.axes._subplots.AxesSubplot object at 0x000000000B7BBCC0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000000000C4E4390>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000000000C5BC128>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x000000000C82DCC0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000000000C334048>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x000000000C3B6400>]], dtype=object)
# 使用axes[i,j] 即可进行索引。

1.2 调整subplot周围的间距

使用plt.subplots_adjust()调整间距，有left,right,bottom,top,wspace和hspace。 wspace和hspace表示宽度和高度的百分比。

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(2,2, sharex=True, sharey=True)

for i in range(2):
    for j in range(2):
        axes[i,j].hist(np.random.randn(500),bins=50,color='r',alpha=0.5)

plt.subplots_adjust(wspace=0,hspace=0)

绘图结果：

标签有点重叠，只能调整标签。

1.3 颜色、标记和线形

下面两个写法等价：

ax.plot(x,y,'g--')
## 等价于
ax.plot(x,y, linestyle='--', color='g')

下面两个也是：

plt.plot(np.random.randn(50).cumsum(),'ko--')
## 等价于
plt.plot(np.random.randn(50).cumsum(), color='k', linestyle='dashed', marker='o')

import numpy as np
import matplotlib.pyplot as plt

data = np.random.randn(30).cumsum()
plt.plot(data,'k--',label='Default')  # 默认都是折线图
plt.plot(data,'r--',label='step-post',drawstyle='steps-post')  
plt.legend(loc='best')

结果：

1.4 刻度、标签和图例

import numpy as np
from numpy.random import randn
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(),'k--',label='one')  # label:增加标签
ax.plot(randn(1000).cumsum(),'r',label='two')
ax.plot(randn(1000).cumsum(),'g-',label='three')

ticks = ax.set_xticks([0,250,500,750,1000])  # 设置横坐标，默认直接显示数值
labels = ax.set_xticklabels(list('abcde'),rotation=30,fontsize='small')  # 给横坐标值增加标签，
ax.set_title('My first Matplotlib Plot.') # 增加图标题
ax.set_xlabel('Stages')  # 增加横坐标 的标题
ax.legend(loc='best')  # 在最好（best）的位置 自动放置图例

结果：

1.4 注解及在subplot上绘图

import matplotlib.pyplot as plt

plt.plot(76, 0.75, 'o')
plt.annotate('This is awesome!',
             xy=(76, 0.75),  
             xycoords='data',
             textcoords='offset points',
             arrowprops=dict(arrowstyle="->"))
plt.show()

1.6 图表保存到文件

将图表保存到文件中：

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

2 pandas中的绘图函数

matplotlib作图比较麻烦，在pandas中就比较容易了。

2.1 线性图

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

结果：

df = DataFrame(np.random.randn(10,4).cumsum(0),columns=list('ABCD'), index=np.arange(0,100,10))
df.plot()

结果：

图表示例：

2.2 柱状图

指定kind为bar和barh。

import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import matplotlib.pyplot as plt
# 两个子图
fig,axes = plt.subplots(2,1)

data = Series(np.random.rand(16), index=list('abcdefghiljkmnop'))
# kind:表示类型，bar和barh
data.plot(kind='bar', ax=axes[0], color='k', alpha=0.7)  # 纵向
data.plot(kind='barh', ax=axes[1], color='k', alpha=0.7)  # 横向

结果：

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

df.plot(kind='bar',stacked=True,alpha=0.75)
# stacked True 表示堆积，False表示不堆积
# alpha 表示透明度

结果：

2.3 直方图和密度图

# 直方图：hist
df.sum(axis=1).hist(bins=15)
# 等价于
df.sum(axis=1).plot(kind='hist')

## 密度图：kde--标准混合正态分布
df.sum(axis=1).plot(kind='kde')

df = DataFrame(np.random.rand(26,4),
               index=list('abcdefghijklmnopqrstuvwxyz'),
                columns = pd.Index(['A','B','C','D'], name='Genus')
               )
df.sum(axis=0).plot(kind='hist')  # 直方图
df.sum(axis=0).plot(kind='kde')   # 密度

结果：

2.4 散布图

scatter方法用于绘制散布图

# 100个0-1的随机点，传入x，y两个参数
plt.scatter(np.random.rand(100),np.random.rand(100))
plt.title('100 Random number')

3 python图形化工具生态系统

略。

基于web的图形化工具才是图形化工具的未来。