Python有許多可視化工具，但是我主要講解matplotlib（http://matplotlib.sourceforge.net）。此外，還可以利用諸如d3.js（http://d3js.org/）之類的工具為Web應(yīng)用構(gòu)建交互式圖像。

matplotlib是一個用于創(chuàng)建出版質(zhì)量圖表的桌面繪圖包（主要是2D方面）。該項目是由John Hunter于2002年啟動的，其目的是為Python構(gòu)建一個MATLAB式的繪圖接口。如果結(jié)合使用一種GUI工具包（如IPython），matplotlib還具有諸如縮放和平移等交互功能。它不僅支持各種操作系統(tǒng)上許多不同的GUI后端，而且還能將圖片導(dǎo)出為各種常見的矢量（vector）和光柵（raster）圖：PDF、SVG、JPG、PNG、BMP、GIF等。

matplotlib還有許多插件工具集，如用于3D圖形的mplot3d以及用于地圖和投影的basemap。要使用本章中的代碼示例，請確保你的IPython是以Pylab模式啟動的（ipython --pylab），或通過%gui魔術(shù)命令打開了GUI事件循環(huán)集成。

1、matplotlib API入門

使用matplotlib的辦法有很多種，最常用的方式是Python模式的IPython（ipython -pylab）。這樣會將IPython配置為使用你所指定的matplotlib GUI后端（Tk、wxPython、PyQt、Mac OS X native、GTK）。對大部分用戶而言，默認的后端就已經(jīng)夠用了。Pylab模式還會向IPython引入一大堆模塊和函數(shù)以提供一種更接近于MATLAB的界面。繪制一張簡單的圖表即可測試是否一切準(zhǔn)備就緒：

如果一切都沒有問題，就會彈出一個新窗口，其中繪制的是一條直線。你可以用鼠標(biāo)或輸入close()來關(guān)閉它。matplotlib API函數(shù)（如plot和close）都位于matplotlib.pyllot模塊中，其通常的引入約定是：

雖然pandas的繪圖函數(shù)能夠處理許多普通的繪圖任務(wù)，但如果需要自定義一些高級功能的話就必須學(xué)習(xí)matplotlib API。matplotlib的示例庫和文檔是成為繪圖高手的最佳學(xué)習(xí)資源。

2、Figure和Subplot

matplotlib的圖像都位于Figure對象中。你可以用plt.figure創(chuàng)建一個新的Figure：

這時會彈出一個空窗口。plt.figure有一些選項，特別是figsize，它用于確保當(dāng)圖片保存到磁盤時具有一定的大小和縱橫比。matplotlib中的Figure還支持一種MATLAB式的編號架構(gòu)（如plt.figure(2)）。通過plt.gcf()即可得到當(dāng)前Figure的引用。

不能通過空Figure繪圖。必須用add_subplot創(chuàng)建一個或多個subplot才行：

這條代碼的意思是：圖像應(yīng)該是22的，且當(dāng)前選中的是4個subplot中的第一個（編號從1開始）。如果再把后面兩個subplot也創(chuàng)建出來，最終得到的圖像如下所示：

如果這時發(fā)出一條繪圖命令哪個（如plt.plot([1.5, 3.5, -2, 1.6])），matplotlib就會在最后一個用過的subplot（如果沒有則創(chuàng)建一個）上進行繪制。因此，如果我們執(zhí)行下列命令，你就會得到如下所示的效果：

“k--”是一個線型選項，用于告訴matplotlib繪制黑色虛線圖。上面那些由fig.add_subplot所返回的對象是AxesSubplot對象，直接調(diào)用它們的實例方法就可以在其他空著的格子里面畫圖了，如下所示：

你可以在matplotlib的文檔中找到各種圖標(biāo)類型。由于根據(jù)特定布局創(chuàng)建Figure和subplot是一件非常常見的任務(wù)，于是便出現(xiàn)了一個更為方便的方法（plt.subplots），它可以創(chuàng)建一個新的Figure，并返回一個含有已創(chuàng)建的subplot對象的NumPy數(shù)組：

這是非常實用的，因為可以輕松地對axes數(shù)組進行索引，就好像是一個二維數(shù)組一樣，例如，axes[0, 1]。你還可以通過sharex和sharey指定subplot應(yīng)該具有相同的X軸或Y軸。在比較相同范圍的數(shù)據(jù)時，這也是非常實用的，否則，matplotlib會自動縮放各圖表的界限。

3、調(diào)整subplot周圍的間距

默認情況下，matplotlib會在subplot外圍留下一定的邊距，并在subplot之間留下一定的間距。間距跟圖像的高度和寬度有關(guān)，因此，如果你調(diào)整了圖像的大小（不管是編程還是手工），間距也會自動調(diào)整。利用Figure的subplots_adjust方法可以輕而易舉地修改間距，此外，它也是個頂級函數(shù)：

wspace和hspace用于控制寬度和高度的百分比，可以用作subplot之間的間距。下面是一個簡單的例子，我們將間距收縮到了0：

不難看出，其中的軸標(biāo)簽重疊了。matplotlib不會檢查標(biāo)簽是否重疊，所以對于這種情況，你只能自己設(shè)定刻度位置和刻度標(biāo)簽。

4、顏色、標(biāo)記和線型

matplotlib的plot函數(shù)接受一組X和Y坐標(biāo)，還可以接受一個表示顏色和線型的字符串縮寫。例如，要根據(jù)x和y繪制綠色虛線，你可以執(zhí)行如下代碼：

這種在一個字符串中指定顏色和線型的方式非常方便。通過下面這種更為明確的方式也能得到同樣的效果：

常用的顏色都有一個縮寫詞，要使用其他任意顏色則可以通過指定其RGB值的形式使用（例如，'#CECECE'）。完整的linestyle列表請參見plot的文檔。

線型圖還可以加上一些標(biāo)記（marker），以強調(diào)實際的數(shù)據(jù)點。由于matplotlib創(chuàng)建的是連續(xù)的線型圖（點與點之間插值），因此有時可能不太容易看出真實數(shù)據(jù)點的位置。標(biāo)記也可以放到格式字符串中，但標(biāo)記類型和線型必須放在顏色后面。

還可以將其寫成更為明確的形式：

在線型圖中，非實際數(shù)據(jù)點默認是按線性方式插值的。可以通過drawstyle選項修改：

5、刻度、標(biāo)簽和圖例

對于大多數(shù)的圖表裝飾項，其主要實現(xiàn)方式有二：使用過程型的pyplot接口以及更為面向?qū)ο蟮脑鷐atplotlib API。pyplot接口的設(shè)計目的就是交互式作用，含有諸如xlim、xticks和xticklabels之類的方法。它們分別控制圖表的范圍、刻度位置、刻度標(biāo)簽等。其使用方式有以下兩種：

調(diào)用時不帶參數(shù)，則返回當(dāng)前的參數(shù)值。例如，plt.xlim()返回當(dāng)前的X軸繪圖范圍。

調(diào)用時帶參數(shù)，則設(shè)置參數(shù)值。因此，plt.xlim([0, 10])會將X軸的范圍設(shè)置為0到10。

所有這些方法都是對當(dāng)前或最近創(chuàng)建的AxesSubplot起作用的。它們各自對應(yīng)subplot對象上的兩個方法，以xlim為例，就是ax.get_xlim和ax.set_xlim。我更喜歡使用subplot的實例方法，當(dāng)然你完全可以選擇自己覺得方便的那個。

(1)設(shè)置標(biāo)題、軸標(biāo)簽、刻度以及刻度標(biāo)簽

為了說明軸的自定義，我將創(chuàng)建一個簡單的圖像并繪制一段隨機漫步：

要修改X軸的刻度，最簡單的辦法是使用set_xticks和set_xticklabels。前者告訴matplotlib要將刻度放在數(shù)據(jù)范圍中的哪些位置，默認情況下，這些位置也就是刻度標(biāo)簽。但我們可以通過set_xticklabels將任何其他的值用作標(biāo)簽：

說明：

Y軸的修改方式與此類似，只需將上述代碼中的x替換為y即可。

(2)添加圖例

圖例（legend）是另一種用于標(biāo)識圖表元素的重要工具。添加圖例的方式有二。最簡單的是在添加subplot的時候傳入label參數(shù)：

在此之后，你可以調(diào)用ax.legend()或plt.legend()來自動創(chuàng)建圖例：

loc告訴matplotlib要將圖例放在哪。如果你不是吹毛求疵的話，“best”是不錯的選擇，因為它會選擇最不礙事的位置。要從圖例中去除一個或多個元素，不傳入label或傳入label='_nolegend_'即可。

6、注釋以及在Subplot上繪圖

除標(biāo)準(zhǔn)的圖表對象之外，你可能還希望繪制一些自定義的注釋（比如文本、箭頭或其他圖形等）。

注釋可以通過text、arrow和annotate等函數(shù)進行添加。text可以將文本繪制在圖表的指定坐標(biāo)（x, y），還可以加上一些自定義格式：

In [41]: ax.text(x, y, ‘Hello world!‘,family=‘monospace‘, fontsize=10)

注解中可以既含有文本也含有箭頭。例如，我們根據(jù)2007年以來的標(biāo)準(zhǔn)普爾500指數(shù)收盤價格（來自Yahoo! Finance）繪制一張曲線圖，并標(biāo)出2008年到2009年金融危機期間的一些重要日期。如下所示：

圖像的繪制要麻煩一些。matplotlib有一些表示常見圖形的對象。這些對象被稱為塊（patch）。其中有些可以在matplotlib.pyplot中找到（如Rectangle和Circle），但完整集合位于matplotlib.patches。

要在圖表中添加一個圖形，你需要創(chuàng)建一個塊對象shp，然后通過ax.add_patch(shp)將其添加到subplot中。

說明：

如果查看許多常見圖表對象的具體實現(xiàn)代碼，你就會發(fā)現(xiàn)它們其實就是由塊組裝而成的。

7、將圖表保存到文件

利用plt.savefig可以將當(dāng)前圖表保存到文件。該方法相當(dāng)于Figure對象的實例方法savefig。例如，要將圖表保存為SVG文件，你只需輸入：

In [42]: plt.savefig(‘figpath.svg‘)

文件類型是通過文件擴展名推斷出來的。因此，如果你使用的是.gif，就會得到一個PDF文件。我在發(fā)布圖片時最常用到兩個重要的選項是dpi（控制“每英寸點數(shù)”分辨率）和bbox_inches（可以翦除當(dāng)前圖表周圍的空白部分）。要得到一張帶有最小白邊且分辨率為400DPI的PNG圖片，你只需輸入：

In [43]: plt.savefig(‘figpath.svg‘, dpi=400, bbox_inches=‘tight‘)

savefig并非一定要寫入磁盤，也可以寫入任何文件型的對象，比如StringIO：

這對在Web上提供動態(tài)生成的圖片是很實用的。Figure.savefig方法的參數(shù)及說明如下所示：

8、matplotlib配置

matplotlib自帶一些配色方案，以及為生成出版質(zhì)量的圖片而設(shè)定的默認配置信息。幸運的是，幾乎所有默認行為都能通過一組全局參數(shù)進行自定義，它們可以管理圖像大小、subplot邊距、配色方案、字體大小、網(wǎng)格類型等。操作matplotlib配置系統(tǒng)的方式主要有兩種。第一種是Python編程方式，即利用rc方法。比如說，要將全局的圖像默認大小設(shè)置為10bubuko.com,布布扣10，你可以執(zhí)行：

In [45]: plt.rc(‘figure‘, figsize=(10, 10))

rc的第一個參數(shù)是希望自定義的對象，如‘figure’、‘a(chǎn)xes’、‘xtick’、‘ytick’、‘grid’、‘legend’等。其后可以跟上一系列的關(guān)鍵字參數(shù)。最簡單的辦法是將這些選項寫成一個字典：

In [46]: font_options = {‘family‘ : ‘monospace‘, ‘weight‘ : ‘bold‘, ‘size‘ : ‘small‘}

In [47]: plt.rc(‘font‘, **font_options)

要了解全部的自定義選項，請查閱matplotlib的配置文件matplotlibrc（位于matplotlib/mpl-data目錄中）。如果對該文件進行了自定義，并將其放在你自己的.matplotlib目錄中，則每次使用matplotlib時就會加載該文件。

9、pandas中的繪圖函數(shù)

不難看出，matplotlib實際上是一種比較低級的工具。要組裝一張圖表，你得用它的各種基礎(chǔ)組件才行：數(shù)據(jù)顯示（即圖表類型：線型圖、柱狀圖、盒形圖、散布圖、等值線圖等）、圖例、標(biāo)題、刻度標(biāo)簽以及其他注解型信息。這是因為要根據(jù)數(shù)據(jù)制作一張完整圖表通常都需要用到多個對象。在pandas中，我們有行標(biāo)簽、列標(biāo)簽以及分組信息（可能有）。這也就是說，要制作一張完整的圖表，原本需要一大堆的matplotlib代碼，現(xiàn)在只需要一兩條簡潔的語句就可以了。pandas有許多能夠利用DataFrame對象數(shù)組組織特點來創(chuàng)建標(biāo)準(zhǔn)圖表的高級繪圖方法（這些函數(shù)的數(shù)量還在不斷增加）。

10、線型圖

Series和DataFrame都有一個用于生成各類圖表的plot方法。默認情況下，它們所生成的是線型圖：

該Series對象的索引會被傳給matplotlib，并用以繪制X軸。可以通過use_index=False禁用該功能。X軸的刻度和界限可以通過xticks和xlim選項進行調(diào)節(jié)，Y軸就用yticks和ylim。plot參數(shù)的完整列表如下所示：

pandas的大部分繪圖方法都有一個可選的ax參數(shù)，它可以是一個matplotlib的subplot對象。這使你能夠在網(wǎng)格布局中更為靈活地處理subplot的位置。

DataFrame的plot方法會在一個subplot中為各列繪制一條線，并自動創(chuàng)建圖例，如下所示：

注意：

plot的其他關(guān)鍵字參數(shù)會被傳給相應(yīng)的matplotlib繪圖函數(shù)，所以要更深入地自定義圖表，就必須學(xué)習(xí)更多有關(guān)matplotlib API的知識。

DataFrame還有一些用于對列進行靈活處理的選項，例如，是要將所有列都繪制到一個subplot中還是創(chuàng)建各自的subplot，詳細信息如下所示：

11、柱狀圖

在生成線型圖的代碼中加上kind=‘bar‘（垂直柱狀圖）或kind=‘barh‘（水平柱狀圖）即可生成柱狀圖。這時，Series和DataFrame的索引將會被用作X（bar）或Y（barh）刻度，如下所示：

對于DataFrame，柱狀圖會將每一行的值分為一組，如下所示：

DataFrame各列的名稱“Genus”被用作了圖例的標(biāo)題。設(shè)置stacked=True即可為DataFrame生成堆積柱狀圖，這樣每行的值就會被堆積在一起，如下所示：

In [62]: df.plot(kind=‘bar‘, stacked=True, alpla=0.5)

注意：

柱狀圖有一個非常不錯的用法：利用value_counts圖形化顯示Series中各值的出現(xiàn)頻率，比如s.value_counts().plot(kind=‘bar‘)。

以小費數(shù)據(jù)集為例，假設(shè)我們想要做一張堆積柱狀圖以展示每天各種聚會規(guī)模的數(shù)據(jù)點的百分比。我用read_csv將數(shù)據(jù)加載進來，然后根據(jù)日期和聚會規(guī)模創(chuàng)建一張交叉表：

小費數(shù)據(jù)集：http://download.csdn.net/detail/shengshengwang/7197845

然后進行規(guī)格化，使得各行的和為1（必須轉(zhuǎn)換成浮點數(shù)，以避免Python 2.7中的整數(shù)除法問題），并生成圖表，如下所示：

說明：

通過該數(shù)據(jù)集可以看出，聚會規(guī)模在周末就會變大。

12、直方圖和密度圖

直方圖（histogram）是一種可以對值頻率進行離散化顯示的柱狀圖。數(shù)據(jù)點被拆分到離散的、間隔均勻的面元中，繪制的是各面元中數(shù)據(jù)點的數(shù)量。再以前面那個小費數(shù)據(jù)為例，通過Series的hist方法，我們可以生成一張“小費占消費總額百分比”的直方圖。In [71]: tips[‘tip_pct‘] = tips[‘tip‘] / tips[‘total_bill‘]

In [72]: tips[‘tip_pct‘].hist(bins=50)

與此相關(guān)的一種圖表類型是密度圖，它是通過計算“可能會產(chǎn)生觀測數(shù)據(jù)的連續(xù)概率分布的估計”而產(chǎn)生的。一般的過程是將該分布近似為一組核（即諸如正態(tài)（高斯）分布之類的較為簡單的分布）。因此，密度圖也被稱作KDE（Kernel Density Estimate，核密度估計），如下所示：

In [73]: tips[‘tip_pct‘].plot(kind=‘kde‘)

這兩種圖表常常會被畫在一起。直方圖以規(guī)格化形式給出（以便給出面元化密度），然后再在其上繪制核密度估計。接下來來看一個由兩個不同的標(biāo)準(zhǔn)正態(tài)分布組成的雙峰分布，如下所示：

13、散布圖

散布圖（scatter plot）是觀察兩個一維數(shù)組序列之間的關(guān)系的有效手段。matplotlib的scatter方法是繪制散布圖的主要方法。在下面這個例子中，我加載了來自statsmodels項目的macrodata數(shù)據(jù)集，選擇其中幾列，然后計算對數(shù)差：

macrodata數(shù)據(jù)集：http://download.csdn.net/detail/shengshengwang/7198003

在探索式數(shù)據(jù)分析中，同時觀察一組變量的散布圖是很有意義的，這也被稱為散布圖矩陣（scatter plot matrix）。純手工創(chuàng)建這樣的圖表很費工夫，所以pandas提供了一個能從DataFrame創(chuàng)建散布圖矩陣的scatter_matrix函數(shù)。它還支持在對角線上放置各變量的直方圖或密度圖。如下所示：

In [85]: scatter_matrix(trans_data, diagonal=‘kde‘, color=‘k‘, alpha=0.3

14、Python圖形化工具生態(tài)系統(tǒng)

(1)Chaco

Chaco（http://code.enthought.com/chaco/）是由Enthought開發(fā)的一個繪圖工具包，它既可以繪制靜態(tài)圖又可以生成交互式圖形。它非常適合用復(fù)雜的圖形化方式表達數(shù)據(jù)的內(nèi)部關(guān)系。跟matplotlib相比，Chaco對交互的支持要好得多，而且渲染速度很快。如果要創(chuàng)建交互式的GUI應(yīng)用程序，它確實是個不錯的選擇。

(2)mayavi

mayavi項目是一個基于開源C++圖形庫VKT的3D圖形工具包。跟matplotlib一樣，mayavi也能集成到IPython以實現(xiàn)交互式使用。通過鼠標(biāo)和鍵盤進行操作，圖形可以被平移、旋轉(zhuǎn)、縮放。我相信它能成為WebGL（以及相關(guān)產(chǎn)品）的替代品，雖然其生成的圖形很難以交互的形式共享。

(3)其他庫

當(dāng)然，Python領(lǐng)域中還有許多其他的圖形化庫和應(yīng)用程序：PyQwt、Veusz、gnuplotpy、biggles等。我就曾經(jīng)見過PyQwt被用在基于Qt框架（PyQt）的GUI應(yīng)用程序中。許多庫都還在不斷地發(fā)展（有些已經(jīng)被用在大型應(yīng)用程序當(dāng)中了）。近幾年來，我發(fā)現(xiàn)了一個總體趨勢：大部分庫都在向基于Web的技術(shù)發(fā)展，并逐漸遠離桌面圖形技術(shù)。

(4)basemap工具集（http://matplotlib.github.com/basemap，matplotlib的一個插件）使得我們能夠用Python在地圖上繪制2D數(shù)據(jù)。basemap提供了許多不同的地球投影以及一種將地球上的經(jīng)緯度坐標(biāo)投影轉(zhuǎn)換為二維matplotlib圖的方式。

(5)圖形化工具的未來

基于Web技術(shù)（比如JavaScript）的圖形化是必然的發(fā)展趨勢。毫無疑問，許多基于Flash或JavaScript的靜態(tài)或交互式圖形化工具已經(jīng)出現(xiàn)了很多年，而且類似的新工具包（如d3.js及其分支項目）一直都在不斷涌現(xiàn)。相比之下，非Web式的圖形化開發(fā)工作在近幾年中減慢了許多。Python以及其他數(shù)據(jù)分析和統(tǒng)計計算環(huán)境（如R）都是如此。于是，開發(fā)方向就變成了實現(xiàn)數(shù)據(jù)分析和準(zhǔn)備工具（如pandas）與Web瀏覽器之間更為緊密的集成。

end

原文鏈接：http://blog.csdn.net/ssw_1990/article/details/23739953

總結(jié)

以上是生活随笔為你收集整理的python自定义函数画图_利用Python绘图和可视化（长文慎入）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。