Python繪圖與可視化
Python有很多可視化工具，本篇只介紹Matplotlib。
Matplotlib是一種2D的繪圖庫，它可以支持硬拷貝和跨系統的交互，它可以在Python腳本、IPython的交互環境下、Web應用程序中使用。該項目是由John Hunter於2002年啟動的，其目的是為Python構建一個MATLAB式的繪圖接口。如果結合使用一種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上許多不同的GUI後端，而且還能將圖片導出為各種常見的食量（vector）和光柵（raster）圖：PDF、SVG、JPG、PNG、BMP、GIF等。
Matplotlib程序包
所謂“一圖勝千言”，我們很多時候需要通過可視化的方式查看、分析數據，雖然Pandas中也有一些繪圖操作，但是相比較而言，Matplotlib在繪圖顯示效果方面更加出色。Python為Matplotlib提供了一個方便的接口，我們可以通過Pyplot對Matplotlib進行操作，多數情況下，Pyplot的命令與MATLAB有些相似。
導入Matplotlib包進行簡單的操作（此處需要安裝pip install matplotlib）：
import matplotlib.pyplot as plt#約定俗成的寫法plt #首先定義兩個函數（正弦&余弦） import numpy as np X=np.linspace(-np.pi,np.pi,256,endpoint=True)#-π to+π的256個值 C,S=np.cos(X),np.sin(X) plt.plot(X,C) plt.plot(X,S) #在ipython的交互環境中需要這句話才能顯示出來 plt.show()
輸出結果：
繪圖命令的基本架構及其屬性設置
上面的例子我們可以看出，幾乎所有的屬性和繪圖的框架我們都選用默認設置。現在我們來看Pyplot繪圖的基本框架是什麽，用過Photoshop的人都知道，作圖時先要定義一個畫布，此處的畫布就是Figure，然後再把其他素材“畫”到該Figure上。
1）在Figure上創建子plot，並設置屬性
x=np.linspace(0,10,1000)#X軸數據 y1=np.sin(x)#Y軸數據 y2=np.cos(x**2)#Y軸數據 x**2即x的平方 plt.figure(figsize=(8,4)) plt.plot(x,y1,label="$sin(x)$",color="red",linewidth=2)#將$包圍的內容渲染為數學公式 plt.plot(x,y2,"b--",label="$cos(x^2)$") #指定曲線的顏色和線性，如‘b--’表示藍色虛線（b：藍色，-：虛線） plt.xlabel("Time(s)") plt.ylabel("Volt") plt.title("PyPlot First Example") ‘‘‘ 使用關鍵字參數可以指定所繪制的曲線的各種屬性： label：給曲線指定一個標簽名稱，此標簽將在圖標中顯示。如果標簽字符串的前後都有字符‘$‘，則Matplotlib會使用其內嵌的LaTex引擎將其顯示為數學公式 color：指定曲線的顏色。顏色可以用如下方法表示 英文單詞 以‘#’字符開頭的3個16進制數，如‘#ff0000’表示紅色。 以0~1的RGB表示，如（1.0,0.0,0.0）也表示紅色。 linewidth：指定權限的寬度，可以不是整數，也可以使用縮寫形式的參數名lw。 ‘‘‘ plt.ylim(-1.5,1.5) plt.legend()#顯示左下角的圖例 plt.show()
2）在Figure上創建多個子plot
如果需要繪制多幅圖表的話，可以給Figure傳遞一個整數參數指定圖表的序號，如果所指定序號的繪圖對象已經存在的話，將不創建新的對象，而只是讓它成為當前繪圖對象。
fig1=plt.figure(2) plt.subplot(211) #subplot(211)把繪圖區域等分為2行*1列共兩個區域，然後在區域1（上區域）中創建一個軸對象 plt.subplot(212)#在區域2（下區域）創建一個軸對象 plt.show()
輸出結果：
我們還可以通過命令再次拆分這些塊（相當於Word中拆分單元格操作）
f1=plt.figure(5)#彈出對話框時的標題，如果顯示的形式為彈出對話框的話 plt.subplot(221) plt.subplot(222) plt.subplot(212) plt.subplots_adjust(left=0.08,right=0.95,wspace=0.25,hspace=0.45) # subplots_adjust的操作時類似於網頁css格式化中的邊距處理，左邊距離多少？ # 右邊距離多少？這取決於你需要繪制的大小和各個模塊之間的間距 plt.show()
輸出結果：
3）通過Axes設置當前對象plot的屬性
以上我們操作的是在Figure上繪制圖案，但是當我們繪制圖案過多，又需要選取不同的小模塊進行格式化設置時，Axes對象就能很好地解決這個問題。
fig,axes=plt.subplots(nrows=2,ncols=2)#定一個2*2的plot plt.show()
輸出結果：
現在我們需要通過命令來操作每個plot（subplot），設置它們的title並刪除橫縱坐標值。
fig,axes=plt.subplots(nrows=2,ncols=2)#定一個2*2的plot axes[0,0].set(title=‘Upper Left‘) axes[0,1].set(title=‘Upper Right‘) axes[1,0].set(title=‘Lower Left‘) axes[1,1].set(title=‘Lower Right‘) # 通過Axes的flat屬性進行遍歷 for ax in axes.flat: # xticks和yticks設置為空置 ax.set(xticks=[],yticks=[]) plt.show()
輸出結果：
另外，實際來說，plot操作的底層操作就是Axes對象的操作，只不過如果我們不使用Axes而用plot操作時，它默認的是plot.subplot(111)，也就是說plot其實是Axes的特例。
4）保存Figure對象
最後一項操作就是保存，我們繪圖的目的是用在其他研究中，或者希望可以把研究結果保存下來，此時需要的操作時save。
plt.savefig(r"C:\Users\123\Desktop\save_test.png",dpi=520)#默認像素dpi是80
很明顯保存的像素越高，內存越大。此處只是用了savefig屬性對Figure進行保存。
另外，除了上述的基本操作之外，Matplotlib還有其他的繪圖優勢，此處只是簡單介紹了它在繪圖時所需要註意的事項，更多的屬性設置請參考：https://matplotlib.org/api/
Seaborn模塊介紹
前面我們簡單介紹了Matplotlib庫的繪圖功能和屬性設置，對於常規性的繪圖，使用Pandas的繪圖功能已經足夠了，但如果對Matplotlib的API屬性研究較為透徹，幾乎沒有不能解決的問題。但是Matplotlib還是有它的不足之處，Matplotlib自動化程度非常高，但是，掌握如何設置系統以便獲得一個吸引人的圖是相當困難的事。為了控制Matplotlib圖表的外觀，Seaborn模塊自帶許多定制的主題和高級的接口。
1）未加Seaborn模塊的效果
import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt np.random.seed(sum(map(ord,"aesthetics"))) #首先定義一個函數用來畫正弦函數，可幫助了解可以控制的不同風格參數 def sinplot(flip=1): x=np.linspace(0,14,100) for i in range(1,7): plt.plot(x,np.sin(x+i*0.5)*(7-i)*flip) sinplot() plt.show()
輸出結果：
2）加入Seaborn模塊的效果
import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt # 添加了Seaborn模塊 np.random.seed(sum(map(ord,"aesthetics"))) #首先定義一個函數用來畫正弦函數，可幫助了解可以控制的不同風格參數 def sinplot(flip=1): x=np.linspace(0,14,100) for i in range(1,7): plt.plot(x,np.sin(x+i*0.5)*(7-i)*flip) #轉換成Seaborn模塊，只需要引入seaborn模塊 import seaborn as sns#添加Seaborn模塊 sinplot() plt.show()
輸出效果：
小編使用的jupyter notebook編輯器，使用與不使用Seaborn模塊效果差別不明顯。
使用Seaborn的優點有：
- Seaborn默認淺灰色背景與白色網格線的靈感來源於Matplotlib，卻比Matplotlib的顏色更加柔和
- Seaborn把繪圖風格參數與數據參數分開設置。
其中，Seaborn有兩組函數對風格進行控制：axes_style()/set_style()函數和plotting_context()/set_context()函數。
axes_style()函數和plotting_context()函數返回參數字典，set_style()函數和set_context()函數設置Matplotlib。
使用set_style()函數
import seaborn as sns ‘‘‘ Seaborn有5種預定義的主題： darkgrid（灰色背景+白網格） whitegrid（白色背景+黑網格） dark（僅灰色背景） white（僅白色背景） ticks（坐標軸帶刻度） 默認的主題是darkgrid，修改主題可以使用set_style函數 ‘‘‘ sns.set_style("whitegrid") sinplot()#即上段代碼中定義的函數 plt.show()
輸出結果：
使用set_context()函數
‘‘‘ 上下文（context）可以設置輸出圖片的大小尺寸（scale） Seaborn中預定義的上下文有4種：paper、notebook、talk和poster 默認使用notebook上下文 ‘‘‘ sns.set_context("poster") sinplot()#即前文定義的函數 plt.show()
輸出結果：
使用Seaborn“耍酷”
然而Seaborn不僅能夠用來更改背景顏色，或者改變畫布
Python繪圖與可視化