用 Matplotlib进行可视化¶

产生背景¶

Matplotlib是建立在Numpy基础之上的可视化程序库。John Hunter在2002年提出了Matplotlib构想——通过IPython补丁，在IPython中使用gnuplot画出类似MATLAB风格的交互式图形。但当时IPython开发者Fernando Perez 正忙着自己博士论文，几个月内没时间审核IPython补丁，John就将IPython补丁写成了Matplotlib，并与2003年发布0.1版本。后来经过美国太空望远镜研究所应用与资助，Matplotlib逐步得到完善。

Matplotlib具有良好的操作系统兼容性和图形显式底层接口兼容性。支持几十种图形显示接口与输出格式，使得用户无论在何种平台，都可以得到想要的图形，这种跨平台特征称为Matplotlib最重要的技术特性，吸引了大量用户，并形成了一个庞大开发者团队，晋升为Python科学计算领域不可或缺的强大武器。

虽然截止到目前，基于R语言的ggplot2,ggvis也开始使用D3js和HTML5 canvas构建网页可视化工具，这让Matplotlib显得略微老旧；已有很多基于Matplotlib的绘图库，如seaborn,Bokeh，Altair等，绘制的图形更加简洁和现代化，但Python社区的大部分绘图工具依赖于matplotlib底层功能；同时掌握Matplotlib语法可以灵活地控制最终图形，因此学习和掌握matplotlib，对数据可视化仍然是非常重要的。

常用 Matplotlib 小技巧¶

深入学习matplotlib之前，先来看看一些常用的技巧与设置。

导入 Matplotlib¶

正如将numpy导入为np，将pandas 导入为pd一样，我们常常这样导入Matplotlib：

In [1]:

import matplotlib as mpl
import matplotlib.pyplot as plt

import matplotlib as mpl import matplotlib.pyplot as plt

plt简称是我们在后面使用的一种常态。

设置绘图样式和显式特征¶

应用 plt.style 为图形选择显示风格。在这里选择经典格式，即MATLAB形式的显式风格。

In [3]:

plt.style.use('classic')

plt.style.use('classic')

为了显式出中文和表示负数的负号，我们需要调整运行时参数设置，简单来讲就是增加中文显式需要的Unicode条件。

In [5]:

# 以下两行代码在中文绘图中几乎是必备的，请确保在使用PLT时放置在前面
plt.rcParams['font.sans-serif'] =['SimHei']  #设置字体为SimHei
plt.rcParams['axes.unicode_minus'] = False   #负号显式正常
#如果使用pandas,还可以设置如下：
#pd.set_option('display.float-format',lambda x :'%.2f' % x)  #浮点型数显式小数点后2位

# 以下两行代码在中文绘图中几乎是必备的，请确保在使用PLT时放置在前面 plt.rcParams['font.sans-serif'] =['SimHei'] #设置字体为SimHei plt.rcParams['axes.unicode_minus'] = False #负号显式正常 #如果使用pandas,还可以设置如下： #pd.set_option('display.float-format',lambda x :'%.2f' % x) #浮点型数显式小数点后2位

用不用show()命令? 如何显示图形¶

应用matplotlib显式图形与每个人的开发环境有密切关系。目前有三种开发环境：脚本、Ipython shell 、Jupyter Notebook.

脚本中实现绘图¶

如果在脚本中实现画图，必须要使用 plt.show() 函数。 plt.show() 函数开启一个事件循环（event loop），找到可用的图形对象，然后打开一个或者多个交互式窗口显示图像。

例如，你建立了一个 myplot.py 脚本文件，里面包含如下内容：

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

你在命令行工具中执行这个脚本，如下面的命令所示，然后会看到一个新窗口，里面会显示你的图形。

$ python myplot.py

plt.show() 命令行在后台完成了许多事情，它需要与你的操作系统图形显示接口取得联系并进行交互。虽然不同操作系统这种交互是不同的，但matplotlib隐藏了所有细节，非常省心。

需要注意的是，在一个Python会话（session）中只能使用一次 plt.show() ，因此，该函数经常放在最后。如果使用多个plt.show()，可能导致难以预料的显示异常。

在 IPython shell中绘图¶

在Ipython中使用matplotlib也是非常方便，在IPython 启动matpoltlib模式即可使用。启动方法是在启动Ipython后，使用Ipython 内部的魔法命令。具体操作如下：

In [1]: %matplotlib
Using matplotlib backend: TkAgg

In [2]: import matplotlib.pyplot as plt

在这种交互中，任何一个plt绘图命令都会打开一个图形窗口，增加新的命令，图形就会更新。有一些变化，如改变已经画好的线条属性，不能做到及时更新，可以使 plt.draw()函数强制更新。在Ipython shell 中启动matplotlib模式之后，就不需要使用plt.show()函数了。

在Jupyter notebook中绘制图形¶

在Notebook中绘制图像与在Ipython shell 中绘制图形类似，也需要使用 %matplotlib启动绘图功能，可以将图直接绘制在Notebook页面中。这里有两种展现形式：

• %matplotlib notebook 会在 notebook 中启动交互式图形
• %matplotlib inline 会在notebook中启动静态图形

In [7]:

%matplotlib inline
#%matplotlib notebook

%matplotlib inline #%matplotlib notebook

matplotlib inline命令运行后，每个单元中创建图形就会直接将PNG格式图形嵌入单元格中。

In [11]:

import numpy as np
x = np.linspace(0, 10, 100)

fig = plt.figure()
plt.title('三角函数曲线')
plt.plot(x, np.sin(x), '-')
plt.plot(x, np.cos(x), '--')
plt.show();

import numpy as np x = np.linspace(0, 10, 100) fig = plt.figure() plt.title('三角函数曲线') plt.plot(x, np.sin(x), '-') plt.plot(x, np.cos(x), '--') plt.show();

将图像保存为文件¶

一旦使用matplotlib生成图形，可以很方便的保存成各种格式。使用 savefig() 命令，可以生成相应的图形文件。 如将上面的图形保存为PNG文件，可以用如下命令实现：

In [19]:

fig.savefig('my_figure.png')

fig.savefig('my_figure.png')

你会在当前目录中发现一个名为 my_figure.png 新文件。

我们可以 IPython 中的Image对象来显示已经保存的图形：

In [23]:

from IPython.display import Image
Image('my_figure.png')

from IPython.display import Image Image('my_figure.png')

Out[23]:

在 savefig(), 保存的图片文件格式是文件的扩展名。Matplotlib支持许多图形格式，具体格式由操作系统已经按照的图形显示接口来决定。可以用canvas对象的方法查看系统支持的文件格式。

In [25]:

fig.canvas.get_supported_filetypes()

fig.canvas.get_supported_filetypes()

Out[25]:

{'eps': 'Encapsulated Postscript',
 'jpg': 'Joint Photographic Experts Group',
 'jpeg': 'Joint Photographic Experts Group',
 'pdf': 'Portable Document Format',
 'pgf': 'PGF code for LaTeX',
 'png': 'Portable Network Graphics',
 'ps': 'Postscript',
 'raw': 'Raw RGBA bitmap',
 'rgba': 'Raw RGBA bitmap',
 'svg': 'Scalable Vector Graphics',
 'svgz': 'Scalable Vector Graphics',
 'tif': 'Tagged Image File Format',
 'tiff': 'Tagged Image File Format',
 'webp': 'WebP Image Format'}

两种画图接口¶

Matplotlib有一个让人混淆的特征，它有两种画图接口：一种是便捷的MATLAB风格接口，另一种是功能更为强大的面向对象接口。

MATLAB-风格的接口¶

Matplotlib 早期为了实现 MATLAB 风格设计的，这种风格的书写方式与MATLAB类似。这种风格保存在 pyplot (plt) 接口中。

In [13]:

plt.figure()  # 创建一个画布

# 创建第一个图形，并设置相关轴
plt.subplot(2, 1, 1) # (总行, 总列, 第几个)
plt.plot(x, np.sin(x))

# 创建第二个图形
plt.subplot(2, 1, 2)
plt.plot(x, np.cos(x))
plt.show();

plt.figure() # 创建一个画布 # 创建第一个图形，并设置相关轴 plt.subplot(2, 1, 1) # (总行, 总列, 第几个) plt.plot(x, np.sin(x)) # 创建第二个图形 plt.subplot(2, 1, 2) plt.plot(x, np.cos(x)) plt.show();

一个重要的特性是这种plt接口是一种有状态（stateful）特性：它会持续跟踪当前图形和坐标轴，所有plt命令都可以应用。你可以plt.gcf()(获取当前图形)或者plt()（获取当前坐标轴）来查看具体信息

这种方式虽然又快又方面，但也容易出现问题。如上面的两个图形中，当绘制完成第二个子图后，如何回到第一个子图，并增加新的内容？虽然该接口可以实现，但过于复杂。那么下面基于对象的接口会更加简单一些。

面向对象的接口¶

面向对象接口可以适应更为复杂的场景，更好控制自己图形。在面向对象的接口中，画图函数不再受到当前“活动”图形或者坐标轴的限制，而是变成了显式的Figure 和 Axes 的方法。通过下面代码，可以用面向对象接口重新创建之前的图形。

In [30]:

# 先创建一个图形网格
# ax 是一个包含两个 Axes 对象的数组
fig, ax = plt.subplots(3)

# 在每个对象上调用 plot() 方法
ax[0].plot(x, np.sin(x))
ax[1].plot(x, np.cos(x))
ax[2].plot(x, x**2);

# 先创建一个图形网格 # ax 是一个包含两个 Axes 对象的数组 fig, ax = plt.subplots(3) # 在每个对象上调用 plot() 方法 ax[0].plot(x, np.sin(x)) ax[1].plot(x, np.cos(x)) ax[2].plot(x, x**2);

面向对象的绘图接口首先将fig 和 axes 作为图形的对象，其中fig像是一个画布，而axes则是画布中的画，在本例中axes有三个元素，可以分别进行绘图。axes 与axis 由于外形相似，容易混淆，需要注意。Axis是坐标轴对象，而Axes表示的是图形对象中一片区域，在subplot()下是多片区域。

下图是关于几个概念的示意图

关于Matplotlib的图形化介绍如下图：