Python数据处理从零开始----第四章(可视化)(2)目录正文

目录

Python数据处理从零开始----第四章(可视化)①
Python数据处理从零开始----第四章(可视化)②

=========================================================

正文

导入包

当我们需要对数据进行可视化时,我们遇到的可能最简单的是单个函数的可视化y = f(x)y = f(x)。 在这里,我们将首先看一下这种类型的简单绘图。第一步先导入包:

% reset -f
% clear
# In[*]
%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np
创建图形和轴

对于所有Matplotlib图,我们第一步需要创建一个图形和一个轴。 在最简单的形式中,可以按如下方式创建图形和轴。

fig = plt.figure()
ax = plt.axes()

在Matplotlib中,图形(类plt.Figure的实例)可以被认为是包含表示轴,图形,文本和标签的所有对象的单个容器。 轴(一个类plt.Axes的实例)就是我们在上面看到的:一个带有刻度和标签的边界框,它最终将包含构成我们可视化的绘图元素。 在本书中,我们通常使用变量名称fig来指代图形实例,而ax来指代轴实例或轴组实例。

绘制图

一旦我们创建了一个轴,我们就可以使用ax.plot函数绘制一些数据。 让我们从一个简单的正弦曲线开始:

fig = plt.figure()
ax = plt.axes()
x = np.linspace(0, 10, 1000)
ax.plot(x, np.sin(x));

或者,我们可以使用matlab接口,并在后台为我们创建图形和轴,有关这两个接口的讨论,请参阅两个接口的讨论(上一节)

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

如果你想画两条线,可以使用以下命令

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

对图的调整:线条颜色和样式

您可能希望对绘图进行的第一个调整是控制线条颜色和样式。 plt.plot()函数接受可用于指定这些参数的其他参数。 要调整颜色,可以使用color关键字,它接受表示几乎任何可以想象的颜色的字符串参数。 颜色可以通过多种方式指定:

plt.plot(x, np.sin(x - 0), color='blue')        # specify color by name
plt.plot(x, np.sin(x - 1), color='g')           # short color code (rgbcmyk)
plt.plot(x, np.sin(x - 2), color='0.75')        # Grayscale between 0 and 1
plt.plot(x, np.sin(x - 3), color='#FFDD44')     # Hex code (RRGGBB from 00 to FF)
plt.plot(x, np.sin(x - 4), color=(1.0,0.2,0.3)) # RGB tuple, values 0 to 1
plt.plot(x, np.sin(x - 5), color='chartreuse'); # all HTML color names supported

如上图所示,我们可以通过最普通的'blue'设置颜色,也可以通过'#FFDD44'或者RGB等设置。

同样,可以使用linestyle关键字调整线条样式:

plt.plot(x, x + 0, linestyle='solid')
plt.plot(x, x + 1, linestyle='dashed')
plt.plot(x, x + 2, linestyle='dashdot')
plt.plot(x, x + 3, linestyle='dotted');

# For short, you can use the following codes:
plt.plot(x, x + 4, linestyle='-')  # solid
plt.plot(x, x + 5, linestyle='--') # dashed
plt.plot(x, x + 6, linestyle='-.') # dashdot
plt.plot(x, x + 7, linestyle=':');  # dotted

如果您想要非常简洁,可以将这些线型和颜色代码组合成plt.plot()函数的单个非关键字参数:

plt.plot(x, x + 0, '-g')  # solid green
plt.plot(x, x + 1, '--c') # dashed cyan
plt.plot(x, x + 2, '-.k') # dashdot black
plt.plot(x, x + 3, ':r');  # dotted red

这些单字符颜色代码反映了RGB(红色/绿色/蓝色)和CMYK(青色/品红色/黄色/黑色/黑色)颜色系统中的标准缩写,通常用于数字彩色图形。

还有许多其他关键字参数可用于微调图的外观; 有关更多详细信息,我建议使用IPython的帮助工具查看plt.plot()函数的docstring(请参阅IPython中的帮助和文档)。

调整图:轴限制

Matplotlib在为选择轴lim方面做得不错。 调整轴lim的最基本方法是使用plt.xlim()和plt.ylim()方法:

plt.plot(x, np.sin(x))
plt.xlim(-1, 11)
plt.ylim(-1.5, 1.5);

如果你想要轴的顺序反向显示,你可以简单地颠倒lim参数两个边界点的的顺序就可以完成。

plt.plot(x, np.sin(x))
plt.xlim(10, 0)
plt.ylim(1.2, -1.2);

一个有用的相关方法是plt.axis()。 plt.axis()方法允许您通过传递指定[xmin,xmax,ymin,ymax]的列表,通过单个调用设置xlim和ylim:

plt.plot(x, np.sin(x))
plt.axis([-1, 11, -1.5, 1.5]);

image.png

如上图所示,plt.axis()方法做出的图超出边界,所以我们需要收紧当前图的边界:

plt.plot(x, np.sin(x))
plt.axis('tight');

另外我们设置图片具有相等的宽高比,以便在屏幕上,x轴中的一个单位等于y轴中的一个单位:

plt.plot(x, np.sin(x))
plt.axis('equal');

设置图的标签等

作为本节的最后一部分,我们将简要介绍图表的标签:标题,轴标签和图例。 标题和轴标签是最简单的标签 - 有一些方法可用于快速设置它们:

plt.plot(x, np.sin(x))
plt.title("A Sine Curve")
plt.xlabel("x")
plt.ylabel("sin(x)");

当在单个轴中显示多条线时,创建标记每种线类型的图例是很有用的。 同样,Matplotlib有一种快速创建这样一个传奇的内置方式。 它是通过(plt.legend()方法完成的。 虽然有几种有效的方法可以使用它,但我发现使用plot函数的label关键字指定每行的标签最简单:

plt.plot(x, np.sin(x), '-g', label='sin(x)')
plt.plot(x, np.cos(x), ':b', label='cos(x)')
plt.axis('equal')
plt.legend();

如您所见,plt.legend()函数会跟踪线条样式和颜色,并将它们与正确的标签相匹配。

总结:

虽然大多数plt函数直接转换为ax方法(例如plt.plot()→ax.plot(),plt.legend()→ax.legend()等),但并非所有命令都是如此。 特别是,设置限制,标签和标题的功能。 要在MATLAB样式接口和面向对象接口之间转换,请进行以下更改:

plt.xlabel()→ax.set_xlabel() plt.ylabel()→ax.set_ylabel() plt.xlim()→ax.set_xlim() plt.ylim()→ax.set_ylim() plt.title()→ax.set_title() 当你使用面向对象的绘图接口时,不需要单独调用这些函数,可以直接使用ax.set()方法一次设置所有这些属性通常更方便:

ax = plt.axes()
ax.plot(x, np.sin(x))
ax.set(xlim=(0, 10), ylim=(-2, 2),
       xlabel='x', ylabel='sin(x)',
       title='A Simple Plot');

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏ascii0x03的安全笔记

【C】用C语言提取bmp图片像素,并进行K-means聚类分析——容易遇到的问题

关于bmp图片的格式,网上有很多文章,具体可以参考百度百科,也有例子程序。这里只提要注意的问题。 (1)结构体定义问题:首先按照百度百科介绍的定义了结构体,但是...

74360
来自专栏深度学习之tensorflow实战篇

R语言函数的含义与用法,实现过程解读

R的源起 R是S语言的一种实现。S语言是由 AT&T贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S...

481120
来自专栏阿凯的Excel

【虐心】统计符合条件的不重复单元格个数

昨天有个网友在公众号留言问我~ 统计符合B列条件的A列不重复的计数(多个重复算一个) 我读了两边,领悟了他的问题,就是统计符合条件的另外一列的不重复单元格个数...

60440
来自专栏前端知识分享

第209天:jQuery运动框架封装(二)

13720
来自专栏图形学与OpenGL

机械版CG 实验4 裁剪

了解二维图形裁剪的原理(点的裁剪、直线的裁剪、多边形的裁剪),利用VC+OpenGL实现直线的裁剪算法。

18710
来自专栏潇涧技术专栏

When Math meets Android Animation (3)

当数学遇上动画:讲述ValueAnimator、TypeEvaluator和TimeInterpolator之间的恩恩怨怨(3)

9520
来自专栏落影的专栏

Metal入门教程总结

本文介绍Metal和Metal Shader Language,以及Metal和OpenGL ES的差异性,也是实现入门教程的心得总结。

1.2K60
来自专栏从流域到海域

Python 切片(Slice)

在实际开发中,经常遇到下面的需求:在线性表(数组)中提取若干个元素的操作,提取规则有很多,比如说提取前5个、提取后5个、提取奇数/偶数位元素等等。 ...

249100
来自专栏拂晓风起

Stage3d 由浅到深理解AGAL的管线vertex shader和fragment shader || 简易教程 学习心得 AGAL 非常非常好的入门文章

1、渲染的过程,3d管线的概念。有vertex shader,有fragment shader,这连个是管线里边提供接口出来,可供自定义编程的

19010
来自专栏GIS讲堂

说说地图中的聚类

虽然Openlayers4会有自带的聚类效果,但是有些时候是不能满足我们的业务场景的,本文结合一些业务场景,讲讲地图中的聚类展示。

13730

扫码关注云+社区

领取腾讯云代金券