Matplotlib 可视化之多图层叠加
大家好，我是云朵君！我们一起来看看这么精彩的可视化图表是如何绘制出来的。
定义曲线函数
首先定义出图中随机曲线的绘图函数。
# Some nice but random curves
def curve():
n = np.random.randint(1, 5)
centers = np.random.normal(0.0, 1.0, n)
widths = np.random.uniform(5.0, 50.0, n)
widths = 10 * widths / widths.sum()
scales = np.random.uniform(0.1, 1.0, n)
scales /= scales.sum()
X = np.zeros(500)
x = np.linspace(-3, 3, len(X))
for center, width, scale in zip(centers, widths, scales):
X = X + scale * np.exp(-(x - center) * (x - center) * width)
return X
绘图
将比较抽象的曲线函数可视化，更加直观。
np.random.seed(123)
# 获取曲线数据
Y = curve()
X = np.linspace(-3, 3, len(Y))
# 画布准备
fig = plt.figure(figsize=(10, 6),dpi=600)
# 设置画布
ax = plt.subplot(1, 1, 1, frameon=False, sharex=ax)
# 绘制曲线
ax.plot(X, 3 * Y, color="k",
linewidth=0.75, zorder=100)
plt.show()
由于该函数的随机性，每次运行都会给出不同的结果：
配置样式
填充颜色、设置坐标轴及坐标轴标签。这里重点是颜色填充函数：Axes.fill_between()
Axes.fill_between(self, x, y1, y2=0, where=None,
interpolate=False, step=None,
*, data=None, **kwargs)
参数：
- x: 该参数包含用于定义曲线的数据点的水平坐标。
- y1: 此参数包含用于定义第一条曲线的数据点的y坐标
- y2: 该参数包含用于定义第二条曲线的数据点的y坐标。它是可选的，默认值为0。
- where: 此参数是可选参数。它用于排除某些水平区域的填充。
- interpolate: 此参数也是可选参数。它是错误栏行的线宽，默认值为NONE。
- step: 此参数也是可选参数。它用于定义填充是否应为阶跃函数。
颜色填充有四种用法
① 基本用法
参数 y1 和 y2 可以是标量，表示给定y值处的水平边界。只要 y1 给出， y2 默认为0。
ax1.fill_between(X, Y, color=color[0])
ax2.fill_between(X, Y, 1, color=color[1])
ax3.fill_between(X, Y, Y2, color=color[2])
② 置信区间
一个常见的应用 fill_between 是置信带的指示。
当 fill_between 使用填充颜色填充某个区域时，这些颜色可能有点强，以至于宣兵夺主。我们希望淡化填充区域而突出主体。因此设置参数alpha的值，以达到减淡颜色，使该区域半透明的目的。
y_err = X.std() * np.sqrt(1/len(X) + (X - X.mean())**2 / np.sum((X - X.mean())**2))
ax.fill_between(X, 3*Y - y_err, 3*Y + y_err,
alpha=0.2, color=cmap(0.3))
③ 选择性填充水平区域
参数where允许指定要填充的 x 范围。它是一个与x大小相同的布尔数组。
仅填充连续 True 序列的x范围。因此，相邻的 True 和 False 值之间的范围永远不会被填满。当数据点应该表示一个连续的量时，通常不希望出现这种情况。因此，建议设置 interpolate=True，除非数据点的x距离足够细，使上述效果不明显。插值近似于实际的x位置，在那里 where 条件将改变，并扩展填充到那里。
ax1.fill_between(x01, y01, y02, where=(y01 > y02), color='C0', alpha=0.3)
ax1.fill_between(x01, y01, y02,where=(y01 < y02), color='C1', alpha=0.3)
ax2.fill_between(x01, y01, y02, where=(y01 > y02), color='C0', alpha=0.3,
interpolate=True)
ax2.fill_between(x01, y01, y02, where=(y01 <= y02), color='C1', alpha=0.3,
interpolate=True)
④ 在整个轴上有选择地标记水平区域
同样的选择机制可以应用于填满坐标轴的全部垂直高度。为了不受y极限的影响，我们添加了一个转换来解释数据坐标中的x值和坐标轴坐标中的y值。
下面的示例标记y数据高于给定阈值的区域。
threshold = 0.4
ax.axhline(threshold, color=cmap(0.2),
lw=2, alpha=0.7,linestyle='-.')
ax.fill_between(X, 0, 1, where= 3*Y > threshold,
color=cmap(0.5),
alpha=0.5,
transform=ax.get_xaxis_transform())
本案例中，选择第一种常规填充。
# 画布准备
cmap = mpl.cm.get_cmap("Spectral")
color = cmap(0)
ax.fill_between(X, 3 * Y, 0, color=color, zorder=100)
ax.yaxis.set_tick_params(tick1On=False)
ax.set_xlim(-3, 3)
ax.set_ylim(-1, 4)
ax.axvline(0.0, ls="--", lw=0.75, color="black", zorder=250)
ax.text(
0.0, 1.0,
"Value %d" % 1,
ha="left", va="top",
weight="bold", size=15,
transform=ax.transAxes,)
ax.yaxis.set_tick_params(labelleft=True)
ax.set_yticks(np.arange(1))
ax.set_yticklabels(["Serie %d" % i for i in range(1, 2)])
for tick in ax.yaxis.get_major_ticks():
tick.label.set_fontsize(15)
tick.label.set_verticalalignment("bottom") # 垂直对齐
plt.show()
多图层叠加
zorder 用来控制绘图顺序，其值越大，画上去越晚，线条的叠加就是在上面的。对 plotting 方法的任何调用都可以显式地为该特定项的 zorder 设置值。许多创建可见对象的函数都接受 zorder 参数。或者可以在绘图后调用 set_order() 函数作用在创建的对象上。
接下来开始绘制开篇的这个图，我们发现每条曲线都部分地覆盖了其他曲线，因此为每条曲线设置适当的zorder是很重要的，这样渲染将独立于绘制顺序。
通过横向及纵向循环绘制多个图形，这里注意设置叠放次序参数zorder，最下面的在最上面，然后依次叠放。
rows, cols = 3, 4
ax = None
for n in range(rows):
# 设置多子图
ax = plt.subplot(1, rows, n + 1, frameon=False, sharex=ax)
for i in range(cols):
Y = curve()
X = np.linspace(-3, 3, len(Y))
ax.plot(X, 3 * Y + i, color="k", linewidth=0.75, zorder=100 - i)
color = cmap(i / cols)
ax.fill_between(X, 3 * Y + i, i, color=color, zorder=100 - i)
最后多次循环，可以得到下图。
参考资料
Scientific Visualisation-Python & Matplotlib Python数据科学手册
腾讯云开发者
