Python可视化

2021-11-08 约 2408 字预计阅读 5 分钟

此笔记记载通过使用python matplotlib等数据可视化工具的方法。

Python matplotlib

marplotlib的总体概念

最大的概念是figure，每个figure可以有多个axes，每个axes有两个或者三个（3D）axis，可以通过以下代码进行创建：

1
2
3
4
5
6


fig = plt.figure() # 创建一个figure
fig, ax = plt.subplots() # 创建一个figure并返回figure和一个Axes
fig, axs = plt.subplots(2,2) # 创建一个带有2行2列（共4个）Axes的figure
axs[0,0].plot(x,y)
axs[1,1].scatter(x,y)
......

subplots()返回Axes对象的数组，每个axes都是一个单独的子图，可以通过axes.Axes.set_xlim()和axes.Axes.set_ylim()方法控制x轴和y轴的长度，同时可以通过set_xlabel()和set_ylabel()来设置两个轴的标题，通过legend()方法显示该axes的图注。通过set_title()设置axes的大标题。注意，plot()函数的输入必须是numpy的array类型。

建议通过以下的格式来抽象出一个绘图函数：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20


def my_plotter(ax, data1, data2, param_dict):
    """
    A helper function to make a graph
    Parameters
    -----------
    ax : Axes
    	The axes to draw to
    data1 : array
    	The x data
    data2 : array
    	The y data
    param_dict : dict
    	Dictionary of kwargs to pass to ax.plot
    Returns
    ------
    out : list
    	list of artists added
    """
    out = ax.plot(data1,data2,**param_dict)
    return out

plot函数的使用

一般是：

1

plot(x,y,...)

后面的参数有以下：

参数名	描述
color	color颜色
linestyle	线形，{'-','–','-.',':'}
linewidth	线的宽度,float
marker	点的标记，具体见下

可以通过format string控制，format string的格式为

1
2
3
4


fmt = '[marker][line][color]'
...
fmt = 'o-r'
plot(x,y,fmt)

点的标记有以下格式

character	description
‘.’	point marker
‘,’	pixel marker
‘o’	circle marker
‘v’	triangle_down marker
‘^’	triangle_up marker
‘<’	triangle_left marker
‘>’	triangle_right marker
‘1’	tri_down marker
‘2’	tri_up marker
‘3’	tri_left marker
‘4’	tri_right marker
’s'	square marker
‘p’	pentagon marker
‘*’	star marker
‘h’	hexagon1 marker
‘H’	hexagon2 marker
‘+’	plus marker
‘x’	x marker
‘D’	diamond marker
’d'	thin_diamond marker
‘\|’	vline marker
‘-’	hline marker

颜色的分类有以下：

character	color
‘b’	blue
‘g’	green
‘r’	red
‘c’	cyan
’m'	magenta
‘y’	yellow
‘k’	black
‘w’	white

如果format string 只设定了 颜色，可以使用16进制串如‘#008000’.

分层设色地形图/等高线图相关

需要用到的函数

1
2


contour([X,Y,]Z,[levels], **kwargs) # 只能绘制线
contourf([X,Y,]Z,[levels], **kwargs) # 只能绘制色块

X,Y都是坐标，Z是高度，levels是高度的分级（必须是递增）重要参数有：

colors : 指定每个level的颜色，如果是contour则指定了线的颜色，如果是contourf则指定了色块的颜色
extend : 取值有{‘neither’, ‘both’, ‘min’, ‘max’}, 这个指定了超出等级范围的色块的显示，如果设置neither，超出范围都是空白，如果选min则对低于最低level的有效，如果选max则对高于最高level的有效，选both对所有范围都有效，一般选both。可以通过cmap的set_over()和set_under()来设定超过上限和下限的颜色，更换颜色以后需要使用cs.changed()来调整（注：cs是contour或者contourf的返回，是QuadContourSet类型，大概是代表了所有等高线的一个集合set）
linewidths: 线的宽度，只适用于contour
linestyles:线的类型，可选的值有{None, ‘solid’, ‘dashed’, ‘dashdot’, ‘dotted’}，只适用于contour
extend : 一个四元组如（-3,4,-4,3）,指定了图片的左上角和右下角，即划分了范围

一个简单的例子如下：

1
2
3
4
5
6
7
8
9


import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1,10)
y = x.reshape(-1,1)

h = x * y
cs = plt.contourf(h, levels=[10,30,50], 
	colors=['#808080','#A0A0A0','#C0C0C0'],extend='both')
plt.show()

在等高线上绘制值

通过

1

clabel(CS, inline=True, fontsize=10)

绘制值，其中inline指定这个值是否被登高线遮住，一般是选择True，让值遮住线，fontsize则是选择值的字体大小。

例子如下：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


import numpy as np
import matplotlib.pyplot as plt

delta = 0.025
x = np.arange(-3.0, 3.0, delta)
y = np.arange(-2.0, 2.0, delta)
X, Y = np.meshgrid(x,y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X-1)**2 - (Y-1)**2)
Z = (Z1 - Z2) * 2
fig, ax = plt.subplots()
CS = ax.contour(X,Y,Z)
ax.clabel(CS, inline=True, fontsize=10)
ax.set_title('Simplest default with labels')
plt.show()

绘制直方图

使用

1

hist()

进行绘制，主要的参数有

参数	值
x	输入，可以是一维或者多维数组（多维数组不要求等长）
bins	区间，一个一维数组如[1,2,3,4]，代表了1到2，2到3，3到4这三个区间，将会统计每个区间的个数并显示
histtype	绘制的柱的类型，可选的值有{‘bar’,‘barstacked’,‘step’,‘stepfilled’}，step指只画线
align	可选的值有{‘left’, ‘mid’, ‘right’}，指柱子是在一个bin中的位置
orientation	可选的值有{‘vertical’, ‘horizontal’}，指定了图的方向
stacked	多维数据的显示方式，正常是放在柱子的旁边，如果是True，将堆叠在上方
rwidth	柱子宽度，感觉是按（0，1）的百分比来的