中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

打開APP
userphoto
未登錄

開通VIP,暢享免費(fèi)電子書等14項(xiàng)超值服

開通VIP
【Python進(jìn)階】帶你使用Matplotlib進(jìn)行可視化

歡迎來到專欄《Python進(jìn)階》。在這個(gè)專欄中,我們會(huì)講述Python的各種進(jìn)階操作,包括Python對(duì)文件、數(shù)據(jù)的處理,Python各種好用的庫(kù)如NumPy、Scipy、Matplotlib、Pandas的使用等等。我們的初心就是帶大家更好的掌握Python這門語(yǔ)言,讓它能為我所用。

今天是《Python進(jìn)階》專欄的第五期,在本期中,我們將主要介紹如何使用Matplotlib這個(gè)第三方庫(kù)進(jìn)行數(shù)據(jù)可視化。

作者&編輯 | 湯興旺

“美麗的可視化可反映出所描述數(shù)據(jù)的品質(zhì),顯式地揭示出源數(shù)據(jù)中內(nèi)在和隱式的屬性和關(guān)系,讀者了解了這些屬性和關(guān)系之后,可以因此而獲取新的知識(shí)、洞察力和樂趣?!?/p>

以上是書籍《數(shù)據(jù)可視化之美》對(duì)可視化的解讀。說的很有道理,相信大家聽說過“一圖勝千言”這句話,當(dāng)看到一堆數(shù)據(jù)時(shí),若你對(duì)數(shù)字不夠敏感,肯定會(huì)費(fèi)勁半天找不到規(guī)律,但若用一張圖來表達(dá)時(shí),相信你一定會(huì)一目了然。下面我就大家使用Matplotlib對(duì)數(shù)據(jù)進(jìn)行美麗的可視化。

Matplotlib 的基本操作

在Matplotlib中有三個(gè)基本概念,分別是Figure、axes和axis。

下面我來詳細(xì)解釋下這三個(gè)基本概念。在Matplotlib中,figure你可以理解成一個(gè)畫布或者一個(gè)窗口,axes是指畫布上的一個(gè)區(qū)域,你畫的圖就在這個(gè)區(qū)域上。你可以把figure看成一張白紙,在紙上的任何區(qū)域畫圖,確定畫圖區(qū)域并確定作圖的一些方式的東西的就是axes,即坐標(biāo)對(duì)象(坐標(biāo)系)。

由于在一張白紙上可以有幾個(gè)區(qū)域進(jìn)行畫圖,另外畫圖區(qū)域必須存在于白紙上才有意義。因此在figure上可有多個(gè)axes,axes必在figure上,要畫圖必有axes。

另外axis就是我們平時(shí)常見的坐標(biāo)軸,如x軸、y軸等。

對(duì)于上面的概念我們可以用下圖進(jìn)行直觀理解。

通過上面的講解,我們知道在Matplotlib中的圖像都位于figure畫布中,因此可以使用plt.figure創(chuàng)建一個(gè)新畫布。如果要在一個(gè)圖表中繪制多個(gè)子圖,可使用subplot。

話不多說,我們直接看下面代碼:

import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn
fig = plt.figure() # 創(chuàng)建一個(gè)新的 Figure
ax1 = fig.add_subplot(2, 2, 1)  # 不能通過空 Figure 繪圖,必須用 add_subplot 創(chuàng)建一個(gè)或多個(gè) subplot 才行
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)

ax4 = fig.add_subplot(2, 2, 4)
plt.plot(randn(50).cumsum(),'k--') # 這條沒有指定具體 subplot 的繪圖命令會(huì)在最后一個(gè)用過的 subplot 上進(jìn)行繪制
_ = ax1.hist(randn(100), bins=20, color='k', alpha=0.3)
ax2.scatter(np.arange(30), np.arange(30) + 3*randn(30)) 

首先,創(chuàng)建了一個(gè)figure,然后在這個(gè)figure上畫了四個(gè)區(qū)域,即四個(gè)子圖,分別是直方圖、三點(diǎn)圖、折線圖,還有一個(gè)是只有坐標(biāo)軸的圖。

如果我想要畫多個(gè)figure應(yīng)該怎么辦呢?實(shí)際上如果要同時(shí)繪制多個(gè)圖表,可以給figure()傳遞一個(gè)整數(shù)參數(shù)指定figure對(duì)象的序號(hào)。如下例所示:

import matplotlib.pyplot as plt

import numpy as np

plt.figure(1)  # 創(chuàng)建圖表1

plt.figure(2)  # 創(chuàng)建圖表2

ax1 = plt.subplot(211)  # 在圖表2中創(chuàng)建子圖1

ax2 = plt.subplot(212)  # 在圖表2中創(chuàng)建子圖2

x = np.linspace(0, 3, 100)

for i in range(5):

    plt.figure(1)  # 選擇圖表1

    plt.plot(x, np.exp(i * x / 3))

    plt.sca(ax1)  # 選擇圖表2的子圖1

    plt.plot(x, np.sin(i * x))

    plt.sca(ax2)  # 選擇圖表2的子圖2

    plt.plot(x, np.cos(i * x))

plt.show()

執(zhí)行完上面代碼后,如下圖。

2 Matplotlib的進(jìn)階操作

在1中的兩個(gè)示例中,我們會(huì)發(fā)現(xiàn)手動(dòng)創(chuàng)建figure,都使用了plt.figure()。如果沒有plt.figure()可以嗎?請(qǐng)看下面的示例:

import matplotlib.pyplot as plt

import numpy as np

x = np.linspace(-np.pi, 5*np.pi, num = 100)

y = np.sin(x)

plt.plot(x,y)

plt.show()

我們會(huì)發(fā)現(xiàn)這段代碼中,沒有plt.figure()也畫出了圖,WHY?難道前面誤導(dǎo)了大家?我在前面說過,若沒有figure就沒有axes!

當(dāng)然這個(gè)鍋我不背,實(shí)際上這里plt.plot()是通過plt.gca()獲得當(dāng)前axes對(duì)象的ax,如果沒有會(huì)自動(dòng)創(chuàng)建一個(gè),可以理解為就是figure。然后再調(diào)用ax.plot方法實(shí)現(xiàn)真正的繪圖。

Matplotlib實(shí)際上是一套面向?qū)ο蟮睦L圖庫(kù),它所繪制的圖表中每個(gè)圖表元素,如線條 Line2D、文字Text、刻度等在內(nèi)存中都有一個(gè)對(duì)象與之對(duì)應(yīng)。為將面向?qū)ο蟮睦L圖庫(kù)包裝成只使用函數(shù)的調(diào)用接口,pyplot模塊內(nèi)部保存了當(dāng)前圖表以及當(dāng)前子圖等信息。當(dāng)前的圖表和子圖可以使用plt.gcf()plt.gca()獲得,分別表示"Get Current Figure"和"Get Current Axes"。在pyplot模塊中,許多函數(shù)都是對(duì)當(dāng)前的figure或axes對(duì)象進(jìn)行處理,比如說:

plt.plot()實(shí)際上會(huì)通過plt.gca()獲得當(dāng)前的axes對(duì)象ax,然后再調(diào)用ax.plot()方法實(shí)現(xiàn)真正繪圖。

2.1 對(duì)圖進(jìn)行裝扮

上面3個(gè)示例中均沒有展示圖例、標(biāo)注等,下面我們通過下面的示例來分享如何對(duì)一個(gè)圖進(jìn)行裝扮。

import matplotlib.pyplot as plt

import numpy as np

fig, ax1 = plt.subplots(figsize=(8, 4))

r = np.linspace(0, 10, 100)

a = 4 * np.pi * r ** 2  # area

v = (4 * np.pi / 3) * r ** 3  # volume

ax1.set_title("surface area and volume of a sphere", fontsize=16)

ax1.set_xlabel("radius [m]", fontsize=16)

ax1.plot(r, a, lw=2, color="blue")

ax1.set_ylabel(r"surface area ($m^2$)", fontsize=16, color="blue")

for label in ax1.get_yticklabels():

    label.set_color("blue")

ax2 = ax1.twinx()

ax2.plot(r, v, lw=2, color="red")

ax2.set_ylabel(r"volume ($m^3$)", fontsize=16, color="red")

for label in ax2.get_yticklabels():

    label.set_color("red")

fig.tight_layout()

plt.show()

在上面的示例中我們通過set.title()設(shè)置了圖的標(biāo)題,通過set_xlabel和set_ylabel設(shè)置了y軸的標(biāo)簽,另外也通過get_yticklabels()和get_xticklabels()設(shè)置了坐標(biāo)軸上刻度的不同的屬性。

2.2、對(duì)圖的某個(gè)細(xì)節(jié)進(jìn)行放大

平時(shí)我們?cè)谔幚韴D的時(shí)候,有時(shí)候需要對(duì)圖的局部細(xì)節(jié)進(jìn)行查看,這時(shí)候就需要對(duì)細(xì)節(jié)進(jìn)行放大,對(duì)于這個(gè)問題該怎么解決呢?請(qǐng)看下面的案例:

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

fig = plt.figure(figsize=(8, 4))
def f(x):
   return 1 / (1 + x ** 2) + 0.1 / (1 + ((3 - x) / 0.1) ** 2)
def plot_and_format_axes(ax, x, f, fontsize):
   ax.plot(x, f(x), linewidth=2)
   ax.xaxis.set_major_locator(mpl.ticker.MaxNLocator(5))
   ax.yaxis.set_major_locator(mpl.ticker.MaxNLocator(4))
   ax.set_xlabel(r"$x$", fontsize=fontsize)
   ax.set_ylabel(r"$f(x)$", fontsize=fontsize)

ax = fig.add_axes([0.1, 0.15, 0.8, 0.8], facecolor="#f5f5f5")
x = np.linspace(-4, 14, 1000)
plot_and_format_axes(ax, x, f, 18)
plt.show()

如果我想要對(duì)上圖的橫縱標(biāo)在4附近的局部峰值進(jìn)行放大查看,即下圖圈紅部分進(jìn)行放大查看,應(yīng)該如何操作呢?

代碼如下:

import matplotlib.pyplot as plt

import numpy as np

import matplotlib as mpl

fig = plt.figure(figsize=(8, 4))

def f(x):

    return 1 / (1 + x ** 2) + 0.1 / (1 + ((3 - x) / 0.1) ** 2)

def plot_and_format_axes(ax, x, f, fontsize):

    ax.plot(x, f(x), linewidth=2)

    ax.xaxis.set_major_locator(mpl.ticker.MaxNLocator(5))

    ax.yaxis.set_major_locator(mpl.ticker.MaxNLocator(4))

    ax.set_xlabel(r"$x$", fontsize=fontsize)

    ax.set_ylabel(r"$f(x)$", fontsize=fontsize)

ax = fig.add_axes([0.1, 0.15, 0.8, 0.8], facecolor="#f5f5f5")

x = np.linspace(-4, 14, 1000)

plot_and_format_axes(ax, x, f, 18)

x0, x1 = 2.5, 3.5

ax = fig.add_axes([0.5, 0.5, 0.38, 0.42], facecolor='none')

x = np.linspace(x0, x1, 1000)

plot_and_format_axes(ax, x, f, 14)

plt.show()

代碼區(qū)紅色部分即實(shí)現(xiàn)放大部分的代碼。實(shí)際是添加了另外一個(gè)axes,只不過這個(gè)axes包含在主圖的axes中。

總結(jié)

本期我們介紹了Matplotlib中的一些應(yīng)用,希望您能借助這個(gè)工具畫出精美的圖表。

下期預(yù)告:Python庫(kù)Pandas的高級(jí)應(yīng)用

知識(shí)星球推薦

有三AI編程與開源框架知識(shí)星球由我親自維護(hù),內(nèi)設(shè)caffe實(shí)戰(zhàn),Python實(shí)戰(zhàn),Python每日一練,Pytorch實(shí)戰(zhàn)、C++每一一練等板塊。近期我重點(diǎn)更新caffe的實(shí)戰(zhàn)教程,包括模型定義、數(shù)據(jù)處理、源碼解讀、定制自己的caffe等等,歡迎大家了解加入,我們一起攻破編程與開源框架。

轉(zhuǎn)載文章請(qǐng)后臺(tái)聯(lián)系

侵權(quán)必究

本站僅提供存儲(chǔ)服務(wù),所有內(nèi)容均由用戶發(fā)布,如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊舉報(bào)。
打開APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
matplotlib實(shí)現(xiàn)一頁(yè)多圖
Matplotlib數(shù)據(jù)可視化:三大容器對(duì)象與常用設(shè)置
Python中的Matplotlib繪圖
Python繪圖
直播案例 | Python 降維實(shí)踐及在特征臉、圖像重構(gòu)和文本數(shù)據(jù)中的應(yīng)用
超全的多子圖(subplots)繪制技巧分享~~
更多類似文章 >>
生活服務(wù)
熱點(diǎn)新聞
分享 收藏 導(dǎo)長(zhǎng)圖 關(guān)注 下載文章
綁定賬號(hào)成功
后續(xù)可登錄賬號(hào)暢享VIP特權(quán)!
如果VIP功能使用有故障,
可點(diǎn)擊這里聯(lián)系客服!

聯(lián)系客服