Python数据处理从零开始----第四章（可视化）（2）目录正文
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');