【Python基礎(chǔ)】使用Matplotlib可視化數(shù)據(jù)的5個強大技巧

作者 | Rizky Maulana Nurhidayat?

編譯 | VK?

來源 | Towards Datas Science

【導讀】數(shù)據(jù)可視化用于以更直接的表示方式顯示數(shù)據(jù)，并且更易于理解。它可以用柱狀圖、散點圖、折線圖、餅圖等形式形成。許多人仍然使用Matplotlib作為后端模塊來可視化他們的圖形。在這個故事中，我將給你一些技巧，使用Matplotlib創(chuàng)建一個優(yōu)秀圖表的5個強大技巧。

1. 使用Latex字體

默認情況下，我們可以使用Matplotlib提供的一些不錯的字體。但是，有些符號不夠好，不能由Matplotlib創(chuàng)建。例如，符號phi（φ），如圖1所示。

正如你在y-label中看到的，它仍然是phi（φ）的符號，但是對于某些人來說，它還不足以作為繪圖標簽。為了使它更漂亮，你可以使用Latex字體。如何使用它？答案就在這里。

plt.rcParams['text.usetex']?=?True
plt.rcParams['font.size']?=?18

你可以在python代碼的開頭添加上面的代碼。第1行定義繪圖中使用的LaTeX字體。你還需要定義大于默認大小的字體大小。如果你不換，我想它會給你一個小標簽。我選了18。應用上述代碼后的結(jié)果如圖2所示。

你需要在符號的開頭和結(jié)尾寫上雙美元符號，像這樣（）

plt.xlabel('x')
plt.ylabel('$\phi$?(phi)')

如果你有一些錯誤或沒有安裝使用LaTeX字體所需的庫，則需要通過在Jupyter notebook中運行以下代碼來安裝這些庫。

!apt?install?texlive-fonts-recommended?texlive-fonts-extra?cm-super?dvipng

如果你想通過終端安裝，可以輸入

apt?install?texlive-fonts-recommended?texlive-fonts-extra?cm-super?dvipng

當然，你可以使用一些不同的字體系列，如serif、sans-serif（上面的示例）等。要更改字體系列，可以使用以下代碼。

plt.rcParams['font.family']?=?"serif"

如果你將上面的代碼添加到代碼中，它將給你一個圖，如圖3所示。

你能理解圖3和圖2之間的區(qū)別嗎？是的，如果你仔細分析，區(qū)別在于字體的尾部。后一個圖形使用serif，而前者使用sans-serif。簡而言之，serif表示尾，sans表示沒有。如果你想了解更多有關(guān)字體系列或字體的信息，我建議你使用此鏈接。

https://en.wikipedia.org/wiki/Typeface

你還可以使用Jupyter themes庫設置字體系列/字體。我已經(jīng)做了使用它的教程。只需單擊以下鏈接。Jupyter主題也可以改變你的Jupyter主題，例如暗模式主題：https://medium.com/@rizman18/how-can-i-customize-jupyter-notebook-into-dark-mode-7985ce780f38

我們希望插入復雜文本，如圖4的標題所示。

如果你想創(chuàng)建圖4，可以使用這個完整的代碼

#?導入庫
import?numpy?as?np
import?matplotlib.pyplot?as?plt

#?調(diào)整matplotlib參數(shù)
plt.rcParams.update(plt.rcParamsDefault)
plt.rcParams['text.usetex']?=?True
plt.rcParams['font.size']?=?18
plt.rcParams['font.family']?=?"serif"

#?創(chuàng)建模擬數(shù)據(jù)
r?=?15
theta?=?5
rw?=?12
gamma?=?0.1

err?=?np.arange(0.,?r,?.1)
z?=?np.where(err?0,?gamma?*?(err-rw)**2?*?np.sin(np.deg2rad(theta)))
????
#?可視化數(shù)據(jù)
plt.scatter(err,?z,?s?=?10)
plt.title(r'$\Sigma(x)?=?\gamma?x^2?\sin(\theta)$',?pad?=?20)
plt.xlabel('x')
plt.ylabel('$\phi$')

#?保存圖表
plt.savefig('latex.png',?dpi?=?300,?pad_inches?=?.1,?bbox_inches?=?'tight')

2.創(chuàng)建縮放效果

在這個技巧中，我將給你一個生成繪圖的代碼，如圖5所示。

首先，你需要了解「plt.axes」()和「plt.figure()」 你可以在下面的鏈接中查看它。代碼「plt.figure()」 覆蓋單個容器中的所有對象，包括軸、圖形、文本和標簽。代碼「plt.axes」()只包含特定的部分。我想，圖6可以給你一個簡單的理解。

黑盒子使用「plt.figure()」，紅色和藍色的盒子使用「plt.axes()」. 在圖6中，有兩個軸，紅色和藍色。你可以查看此鏈接以獲取基本參考：https://medium.com/datadriveninvestor/python-data-visualization-with-matplotlib-for-absolute-beginner-python-part-ii-65818b4d96ce

理解之后，你可以分析如何創(chuàng)建圖5。是的，簡單地說，圖5中有兩個軸。第一個軸是一個大的繪圖，放大版本從580到650，第二個是縮小版本。下面是創(chuàng)建圖5的代碼。

#?創(chuàng)建主容器
fig?=?plt.figure()

#?設置隨機種子
np.random.seed(100)

#?創(chuàng)建模擬數(shù)據(jù)
x?=?np.random.normal(400,?50,?10_000)
y?=?np.random.normal(300,?50,?10_000)
c?=?np.random.rand(10_000)

#?創(chuàng)建放大圖
ax?=?plt.scatter(x,?y,?s?=?5,?c?=?c)
plt.xlim(400,?500)
plt.ylim(350,?400)
plt.xlabel('x',?labelpad?=?15)
plt.ylabel('y',?labelpad?=?15)

#?創(chuàng)建放大圖
ax_new?=?fig.add_axes([0.6,?0.6,?0.2,?0.2])?#?放大圖的位置與放大圖的比例比較
plt.scatter(x,?y,?s?=?1,?c?=?c)

#?保存圖形，留好邊距
plt.savefig('zoom.png',?dpi?=?300,?bbox_inches?=?'tight',?pad_inches?=?.1)

如果你需要代碼的解釋，可以訪問此鏈接:https://medium.com/datadriveninvestor/data-visualization-with-matplotlib-for-absolute-beginner-part-i-655275855ec8

我還提供了另一個版本的縮放效果，你可以使用Matplotlib。如圖7所示。

要創(chuàng)建圖7，你需要在Matplotlib中使用add_subblot或其他語法（subblot）創(chuàng)建三個軸。為了更容易使用，我在這里加上。要創(chuàng)建它們，可以使用以下代碼。

fig?=?plt.figure(figsize=(6,?5))
plt.subplots_adjust(bottom?=?0.,?left?=?0,?top?=?1.,?right?=?1)

#?創(chuàng)建第一個軸，左上角的圖用綠色的圖
sub1?=?fig.add_subplot(2,2,1)?#?兩行兩列，第一單元格

#?創(chuàng)建第二個軸，即左上角的橙色軸
sub2?=?fig.add_subplot(2,2,2)?#?兩行兩列，第二個單元格

#?創(chuàng)建第三個軸，第三和第四個單元格的組合
sub3?=?fig.add_subplot(2,2,(3,4))?#?兩行兩列，合并第三和第四單元格

代碼將生成一個圖，如圖8所示。它告訴我們它將生成2行2列。軸sub1（2，2，1）是子圖（第一行，第一列）中的第一個軸。順序從左上側(cè)到右開始。軸sub2（2，2，2）被放置在第一行第二列中。軸sub3（2，2，（3，4）），是第二行第一列和第二行第二列之間的合并軸。

當然，我們需要定義一個模擬數(shù)據(jù)，以便在繪圖中可視化。在這里，我定義了線性函數(shù)和正弦函數(shù)的簡單組合，如下面的代碼所示。

#?使用lambda定義函數(shù)
stock?=?lambda?A,?amp,?angle,?phase:?A?*?angle?+?amp?*?np.sin(angle?+?phase)

#?定義參數(shù)
theta?=?np.linspace(0.,?2?*?np.pi,?250)?#?x軸
np.random.seed(100)
noise?=?0.2?*?np.random.random(250)
y?=?stock(.1,?.2,?theta,?1.2)?+?noise?#?y軸

如果你將代碼應用到前面的代碼中，你將得到一個圖，如圖9所示。

下一步是限制第一個和第二個軸（sub1和sub2）的x軸和y軸，為sub3中的兩個軸創(chuàng)建阻塞區(qū)域，并創(chuàng)建代表縮放效果的ConnectionPatch?？梢允褂靡韵峦暾拇a來完成（記住，為了簡單起見，我沒有使用循環(huán)）。

#?使用lambda定義函數(shù)
stock?=?lambda?A,?amp,?angle,?phase:?A?*?angle?+?amp?*?np.sin(angle?+?phase)

#?定義參數(shù)
theta?=?np.linspace(0.,?2?*?np.pi,?250)?#?x軸
np.random.seed(100)
noise?=?0.2?*?np.random.random(250)
y?=?stock(.1,?.2,?theta,?1.2)?+?noise?#?y軸

#?創(chuàng)建大小為6x5的主容器
fig?=?plt.figure(figsize=(6,?5))
plt.subplots_adjust(bottom?=?0.,?left?=?0,?top?=?1.,?right?=?1)

#?創(chuàng)建第一個軸，左上角的圖用綠色的圖
sub1?=?fig.add_subplot(2,2,1)?#?兩行兩列，第一單元格
sub1.plot(theta,?y,?color?=?'green')
sub1.set_xlim(1,?2)
sub1.set_ylim(0.2,?.5)
sub1.set_ylabel('y',?labelpad?=?15)

#?創(chuàng)建第二個軸，即左上角的橙色軸
sub2?=?fig.add_subplot(2,2,2)?#?兩行兩列，第二個單元格
sub2.plot(theta,?y,?color?=?'orange')
sub2.set_xlim(5,?6)
sub2.set_ylim(.4,?1)

#?創(chuàng)建第三個軸，第三和第四個單元格的組合
sub3?=?fig.add_subplot(2,2,(3,4))?#?兩行兩列，合并第三和第四單元格
sub3.plot(theta,?y,?color?=?'darkorchid',?alpha?=?.7)
sub3.set_xlim(0,?6.5)
sub3.set_ylim(0,?1)
sub3.set_xlabel(r'$\theta$?(rad)',?labelpad?=?15)
sub3.set_ylabel('y',?labelpad?=?15)

#?在第三個軸中創(chuàng)建阻塞區(qū)域
sub3.fill_between((1,2),?0,?1,?facecolor='green',?alpha=0.2)?#?第一個軸的阻塞區(qū)域
sub3.fill_between((5,6),?0,?1,?facecolor='orange',?alpha=0.2)?#?第二軸的阻塞區(qū)域

#?在左側(cè)創(chuàng)建第一個軸的ConnectionPatch
con1?=?ConnectionPatch(xyA=(1,?.2),?coordsA=sub1.transData,?
???????????????????????xyB=(1,?.3),?coordsB=sub3.transData,?color?=?'green')
#?添加到左側(cè)
fig.add_artist(con1)

#?在右側(cè)創(chuàng)建第一個軸的ConnectionPatch
con2?=?ConnectionPatch(xyA=(2,?.2),?coordsA=sub1.transData,?
???????????????????????xyB=(2,?.3),?coordsB=sub3.transData,?color?=?'green')
#?添加到右側(cè)
fig.add_artist(con2)

#?在左側(cè)創(chuàng)建第二個軸的ConnectionPatch
con3?=?ConnectionPatch(xyA=(5,?.4),?coordsA=sub2.transData,?
???????????????????????xyB=(5,?.5),?coordsB=sub3.transData,?color?=?'orange')
#?添加到左側(cè)
fig.add_artist(con3)

#?在右側(cè)創(chuàng)建第二個軸的ConnectionPatch
con4?=?ConnectionPatch(xyA=(6,?.4),?coordsA=sub2.transData,?
???????????????????????xyB=(6,?.9),?coordsB=sub3.transData,?color?=?'orange')
#?添加到右側(cè)
fig.add_artist(con4)

#?保存圖形，留好邊距
plt.savefig('zoom_effect_2.png',?dpi?=?300,?bbox_inches?=?'tight',?pad_inches?=?.1)

代碼將為你提供一個出色的縮放效果圖，如圖7所示。

3.創(chuàng)建圖例

你的圖中是否有許多圖例要顯示？如果是，則需要將它們放置在主軸之外。

要將圖例放置在主容器之外，需要使用此代碼調(diào)整位置

plt.legend(bbox_to_anchor=(1.05,?1.04))?#?圖例的位置

值1.05和1.04位于朝向主容器的x和y軸坐標中。你可以改變它?，F(xiàn)在，把上面的代碼應用到我們的代碼中，

#?使用lambda創(chuàng)建wave函數(shù)
wave?=?lambda?amp,?angle,?phase:?amp?*?np.sin(angle?+?phase)

#?設置參數(shù)值
theta?=?np.linspace(0.,?2?*?np.pi,?100)
amp?=?np.linspace(0,?.5,?5)
phase?=?np.linspace(0,?.5,?5)

#?創(chuàng)建主容器及其標題
plt.figure()
plt.title(r'Wave?Function?$y?=?\gamma?\sin(\theta?+?\phi_0)?$',?pad?=?15)

#?為每個放大器和階段創(chuàng)建繪圖
for?i?in?range(len(amp)):
????lgd1?=?str(amp[i])
????lgd2?=?str(phase[i])
????plt.plot(theta,?wave(amp[i],?theta,?phase[i]),?label?=?(r'$\gamma?=?$'+lgd1+',?$\phi?=?$'?+lgd2))
????
plt.xlabel(r'$\theta$?(rad)',?labelpad?=?15)
plt.ylabel('y',?labelpad?=?15)

#?調(diào)整圖例
plt.legend(bbox_to_anchor=(1.05,?1.04))

#?保存圖形，留好邊距
plt.savefig('outbox_legend.png',?dpi?=?300,?bbox_inches?=?'tight',?pad_inches?=?.1)

運行代碼后，它將給出一個圖，如圖11所示。

如果要使圖例框更漂亮，可以使用以下代碼添加陰影效果。它將顯示一個圖，如圖12所示。

plt.legend(bbox_to_anchor=(1.05,?1.04),?shadow=True)

4.創(chuàng)建連續(xù)誤差圖

在過去的十年里，數(shù)據(jù)可視化的風格被轉(zhuǎn)移到一個干凈的繪圖主題上。通過閱讀國際期刊或網(wǎng)頁上的一些新論文，我們可以看到這種轉(zhuǎn)變。最流行的方法之一是用連續(xù)的誤差可視化數(shù)據(jù)，而不是使用誤差條。你可以在圖13中看到它。

圖13是通過使用「fill_between」生成的。在fill_between語法中，你需要定義上限和下限，如圖14所示。

要應用它，可以使用以下代碼。

plt.fill_between(x,?upper_limit,?lower_limit)

參數(shù)上限和下限可以互換。這是完整的代碼。

N?=?9
x?=?np.linspace(0,?6*np.pi,?N)

mean_stock?=?(stock(.1,?.2,?x,?1.2))
np.random.seed(100)
upper_stock?=?mean_stock?+?np.random.randint(N)?*?0.02
lower_stock?=?mean_stock?-?np.random.randint(N)?*?0.015

plt.plot(x,?mean_stock,?color?=?'darkorchid',?label?=?r'$y?=?\gamma?\sin(\theta?+?\phi_0)$')

plt.fill_between(x,?upper_stock,?lower_stock,?alpha?=?.1,?color?=?'darkorchid')
plt.grid(alpha?=?.2)

plt.xlabel(r'$\theta$?(rad)',?labelpad?=?15)
plt.ylabel('y',?labelpad?=?15)
plt.legend()
plt.savefig('fill_between.png',?dpi?=?300,?bbox_inches?=?'tight',?pad_inches?=?.1)

5.調(diào)整邊距

如果你分析上面的每一行代碼，**plt.savefig()**后面會是一個復雜的參數(shù)：bbox_inches和pad_inches。當你在撰寫一篇期刊或文章時，它們會為你提供邊距。如果不包括它們，則保存后，繪圖的邊距將更大。圖15展示了有bbox_inches和pad_inches以及沒有它們的不同繪圖。

我想你看不出圖15中兩個圖之間的區(qū)別。我將嘗試用不同的背景色來顯示它，如圖16所示。

同樣，當你在一篇論文或一篇文章中插入你的圖表時，這個技巧會幫助你。你不需要裁剪它來節(jié)省空間。

結(jié)論

Matplotlib是一個多平臺庫，可以在許多操作系統(tǒng)使用。它是將數(shù)據(jù)可視化的老庫之一，但它仍然很強大。因為開發(fā)人員總是根據(jù)數(shù)據(jù)可視化的趨勢進行一些更新。上面提到的一些技巧就是更新的例子。

原文鏈接：https://towardsdatascience.com/5-powerful-tricks-to-visualize-your-data-with-matplotlib-16bc33747e05