Python数据分析 | (15) matplotlib API入门

信息可视化(也叫绘图)是数据分析中最重要的工作之一。它可能是探索过 程的一部分，例如，帮助我们找出异常值、必要的数据转换、得出有关模型 的idea等。另外，做一个可交互的数据可视化也许是工作的最终目标。Python有许多库进行静态或动态的数据可视化，但我这里重要关注于matplotlib(http://matplotlib.org/)和基于它的库。

matplotlib是一个用于创建出版质量图表的桌面绘图包(主要是2D方面)。该 项目是由John Hunter于2002年启动的，其目的是为Python构建一个MATLAB式的绘图接口。matplotlib和IPython社区进行合作，简化了从IPython shell(包括现在的Jupyter notebook)进行交互式绘图。matplotlib支持各种操作系统上许多不同的GUI后端，而且还能将图片导出为各种常见 的矢量(vector)和光栅(raster)图:PDF、SVG、JPG、PNG、BMP、GIF等。除了几张，本书中的大部分图都是用它生成的。

随着时间的发展，matplotlib衍生出了多个数据可视化的工具集，它们使用matplotlib作为底层。其中之一是seaborn(http://seaborn.pydata.org/)，下一篇博客会学习它。

学习本篇博客代码案例的最简单方法是在Jupyter notebook进行交互式绘图。在Jupyter notebook中执行下面的语句:

%matplotlib notebook

目录

1. API入门

2. Figure和Subplot

3. 调整subplot周围的间距

4. 颜色、标记和线型

5. 刻度、标签和图例

6. 将图表保存到文件

7. matplotlib配置

---

 

1. API入门

matplotlib的通常引入约定是:

import matplotlib.pyplot as plt

在Jupyter中运行%matplotlib notebook(或在IPython中运行%matplotlib)， 就可以创建一个简单的图形。如果一切设置正确，会看到下图:

import numpy as np

data = np.arange(10)
print(data)
plt.plot(data)

虽然seaborn这样的库和pandas的内置绘图函数能够处理许多普通的绘图任 务，但如果需要自定义一些高级功能的话就必须学习matplotlib API。

虽然本书没有详细地讨论matplotlib的各种功能，但足以将你引入 门。matplotlib的示例库和文档是学习高级特性的最好资源。

 

2. Figure和Subplot

matplotlib的图像都位于Figure对象中。你可以用plt.figure创建一个新的Figure:

fig = plt.figure()

如果用的是IPython，这时会弹出一个空窗口，但在Jupyter中，必须再输入 更多命令才能看到。plt.figure有一些选项，特别是figsize，它用于确保当图 片保存到磁盘时具有一定的大小和纵横比。

不能通过空Figure绘图。必须用add_subplot创建一个或多个subplot才行:

ax1 = fig.add_subplot(2,2,1)

这条代码的意思是:图像应该是2×2的(即最多4张图)，且当前选中的是4个subplot中的第一个(编号从1开始)。如果再把后面两个subplot也创建出 来，最终得到的图像如下图所示:

ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)

使用Jupyter notebook有一点不同，即每个小窗重新执行后，图 形会被重置。因此，对于复杂的图形，，你必须将所有的绘图命令存在 一个小窗里。

这里，我们运行同一个小窗里的所有命令:

fig = plt.figure()
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)

如果这时执行一条绘图命令(如plt.plot([1.5, 3.5, -2, 1.6]))，matplotlib就会 在最后一个用过的subplot(如果没有则创建一个)上进行绘制，隐藏创建figure和subplot的过程。因此，如果我们执行下列命令，你就会得到如下图所示的结果:

plt.plot(np.random.randn(50).cumsum(),'k--')

"k--"是一个线型选项，用于告诉matplotlib绘制黑色虚线图。上面那些由fig.add_subplot所返回的对象是AxesSubplot对象，直接调用它们的实例方法 就可以在其它空着的格子里面画图了，如下图所示:

ax1.hist(np.random.randn(50),bins=20,color='k',alpha=0.3)
ax2.scatter(np.arange(30),np.arange(30)+3*np.random.randn(30))

你可以在matplotlib的文档中找到各种图表类型。

创建包含subplot网格的figure是一个非常常见的任务，matplotlib有一个更为 方便的方法plt.subplots，它可以创建一个新的Figure，并返回一个含有已创 建的subplot对象的NumPy数组:

fig,axes = plt.subplots(2,3)
axes

这是非常实用的，因为可以轻松地对axes数组进行索引，就好像是一个二维 数组一样，例如axes[0,1]。你还可以通过sharex和sharey指定subplot应该具 有相同的X轴或Y轴。在比较相同范围的数据时，这也是非常实用的，否则，matplotlib会自动缩放各图表的界限。有关该方法的更多信息，请参见表1:

 

3. 调整subplot周围的间距

默认情况下，matplotlib会在subplot外围留下一定的边距，并在subplot之间 留下一定的间距。间距跟图像的高度和宽度有关，因此，如果你调整了图像 大小(不管是编程还是手工)，间距也会自动调整。利用Figure的subplots_adjust方法可以轻而易举地修改间距，此外，它也是个顶级函数:

subplots_adjust(left=None,right=None,bottom=None,top=None,wspace=None,hspace=None)

wspace和hspace用于控制宽度和高度的百分比，可以用作subplot之间的间距。下面是一个简单的例子，其中我将间距收缩到了0(如下图所示):

fig,axes = plt.subplots(2,2,sharex=True,sharey=True)
for i in range(2):
    for j in range(2):
        axes[i,j].hist(np.random.randn(500),bins=50,color='k')
plt.subplots_adjust(wspace=0,hspace=0)

不难看出，其中的轴标签重叠了。matplotlib不会检查标签是否重叠，所以对 于这种情况，你只能自己设定刻度位置和刻度标签。后面将会详细介绍 该内容。

 

4. 颜色、标记和线型

matplotlib的plot函数接受一组X和Y坐标，还可以接受一个表示颜色和线型的

字符串缩写。例如，要根据x和y绘制绿色虚线，你可以执行如下代码:

ax.plot(x,y,'g--')

这种在一个字符串中指定颜色和线型的方式非常方便。在实际中，如果你是用代码绘图，你可能不想通过处理字符串来获得想要的格式。通过下面这种更为明确的方式也能得到同样的效果:

ax.plot(x,y,linestyle='--',color='g')

常用的颜色可以使用颜色缩写，你也可以指定颜色码(例 如，'#CECECE')。你可以通过查看plot的文档字符串查看所有线型的合集 (在IPython和Jupyter中使用plot?)。

线图可以使用标记强调数据点。因为matplotlib可以创建连续线图，在点之间 进行插值，因此有时可能不太容易看出真实数据点的位置。标记也可以放到 格式字符串中，但标记类型和线型必须放在颜色后面(见下图):

plt.plot(np.random.randn(30).cumsum(),'ko--')

还可以将其写成更为明确的形式:

plt.plot(np.random.randn(30).cumsum(),color='k',linestyle='dashed',marker='o')

在线型图中，非实际数据点默认是按线性方式插值的。可以通过drawstyle选 项修改(见下图):

data = np.random.randn(30).cumsum()
plt.plot(data,'k--',label='Default') #默认线性插值
plt.plot(data,'k-',drawstyle='steps-post',label='steps-post')
plt.legend(loc='best')

你可能注意到运行上面代码时有输出。matplotlib会返回引用了新添加的子组 件的对象。大多数时候，你可以放心地忽略这些输出。这里，因为我们传递 了label参数到plot，我们可以创建一个plot图例，指明每条使用plt.legend的 线。

你必须调用plt.legend(或使用ax.legend，如果引用了轴的话) 来创建图例，无论你绘图时是否传递label标签选项。

 

5. 刻度、标签和图例

对于大多数的图表装饰项，其主要实现方式有二:使用过程型的pyplot接口(例如，matplotlib.pyplot)以及更为面向对象的原生matplotlib API。

pyplot接口的设计目的就是交互式使用，含有诸如xlim、xticks和xticklabels之 类的方法。它们分别控制图表的范围、刻度位置、刻度标签等。其使用方式 有以下两种:

• 调用时不带参数，则返回当前的参数值(例如，plt.xlim()返回当前的X轴 绘图范围)。
• 调用时带参数，则设置参数值(例如，plt.xlim([0,10])会将X轴的范围设 置为0到10)。

所有这些方法都是对当前或最近创建的AxesSubplot起作用的。它们各自对 应subplot对象上的两个方法，以xlim为例，就是ax.get_xlim和ax.set_xlim。 我更喜欢使用subplot的实例方法(因为我喜欢明确的事情，而且在处理多个subplot时这样也更清楚一些)。当然你完全可以选择自己觉得方便的那个。

• 设置标题、轴标签、刻度以及刻度标签

为了说明自定义轴，我将创建一个简单的图像并绘制一段随机漫步(如下图所示):ax

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())

要改变x轴刻度，最简单的办法是使用set_xticks和set_xticklabels。前者告诉matplotlib要将刻度放在数据范围中的哪些位置，默认情况下，这些位置也就 是刻度标签。但我们可以通过set_xticklabels将任何其他的值用作标签:

ticks = ax.set_xticks([0,250,500,750,1000])
labels = ax.set_xticklabels(['one','two','three','four','five'],rotation=30,fontsize='small')

rotation选项设定x刻度标签倾斜30度。最后，再用set_xlabel为X轴设置一个 名称，并用set_title设置一个标题(见图9-9的结果):

ax.set_title('My first matplotlib plot.')
ax.set_xlabel('Stage')

Y轴的修改方式与此类似，只需将上述代码中的x替换为y即可。轴的类有集 合方法，可以批量设定绘图选项。前面的例子，也可以写为:

props = {
      'title': 'My first matplotlib plot',
      'xlabel': 'Stages'
  }
ax.set(**props)

• 添加图例

图例(legend)是另一种用于标识图表元素的重要工具。添加图例的方式有 多种。最简单的是在添加subplot的时候传入label参数:

在此之后，你可以调用ax.legend()或plt.legend()来自动创建图例.

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum(),'k--',label='one')
ax.plot(np.random.randn(1000).cumsum(),'k-',label='two')
ax.plot(np.random.randn(1000).cumsum(),'k.',label='three')
ax.legend(loc='best')

legend方法有几个其它的loc位置参数选项。请查看文档字符串(使用ax.legend?)。

loc告诉matplotlib要将图例放在哪。如果你不是吹毛求疵的话，"best"是不错 的选择，因为它会选择最不碍事的位置。要从图例中去除一个或多个元素， 不传入label或传入label='nolegend'即可。

• 注释以及在Subplot上绘图

除标准的绘图类型，你可能还希望绘制一些子集的注解，可能是文本、箭头 或其他图形等。注解和文字可以通过text、arrow和annotate函数进行添加。text可以将文本绘制在图表的指定坐标(x,y)，还可以加上一些自定义格式:

ax.text(x,y,'Hello World',family='monospace',fontsize=10)

注解中可以既含有文本也含有箭头。例如，我们根据最近的标准普尔500指 数价格(来自Yahoo!Finance)绘制一张曲线图，并标出2008年到2009年金融危机期间的一些重要日期。你可以在Jupyter notebook的一个小窗中试验 这段代码:

from datetime import datetime
import pandas as pd

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

data = pd.read_csv('examples/spx.csv', index_col=0, parse_dates=True)
spx = data['SPX']

spx.plot(ax=ax, style='k-')

crisis_data = [
    (datetime(2007, 10, 11), 'Peak of bull market'),
    (datetime(2008, 3, 12), 'Bear Stearns Fails'),
    (datetime(2008, 9, 15), 'Lehman Bankruptcy')
]

for date, label in crisis_data:
    ax.annotate(label, xy=(date, spx.asof(date) + 75),
                xytext=(date, spx.asof(date) + 225),
                arrowprops=dict(facecolor='black', headwidth=4, width=2,
                                headlength=4),
                horizontalalignment='left', verticalalignment='top')

# Zoom in on 2007-2010
ax.set_xlim(['1/1/2007', '1/1/2011'])
ax.set_ylim([600, 1800])

ax.set_title('Important dates in the 2008-2009 financial crisis')

 这张图中有几个重要的点要强调:ax.annotate方法可以在指定的x和y坐标轴 绘制标签。我们使用set_xlim和set_ylim人工设定起始和结束边界，而不使用matplotlib的默认方法。最后，用ax.set_title添加图标标题。

更多有关注解的示例，请访问matplotlib的在线示例库。

图形的绘制要麻烦一些。matplotlib有一些表示常见图形的对象。这些对象被 称为块(patch)。其中有些(如Rectangle和Circle)，可以在matplotlib.pyplot中找到，但完整集合位于matplotlib.patches。

要在图表中添加一个图形，你需要创建一个块对象shp，然后通过ax.add_patch(shp)将其添加到subplot中(如下图所示):

fig = plt.figure(figsize=(12, 6));
ax = fig.add_subplot(1, 1, 1)
rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color='k', alpha=0.3)
circ = plt.Circle((0.7, 0.2), 0.15, color='b', alpha=0.3)
pgon = plt.Polygon([[0.15, 0.15], [0.35, 0.4], [0.2, 0.6]],
                   color='g', alpha=0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)

 如果查看许多常见图表对象的具体实现代码，你就会发现它们其实就是由块patch组装而成的。

6. 将图表保存到文件

利用plt.savefig可以将当前图表保存到文件。该方法相当于Figure对象的实例方法savefig。例如，要将图表保存为SVG文件，你只需输入:

plt.savefig('filepath.svg')

文件类型是通过文件扩展名推断出来的。因此，如果你使用的是.pdf，就会 得到一个PDF文件。我在发布图片时最常用到两个重要的选项是dpi(控 制“每英寸点数”分辨率)和bbox_inches(可以剪除当前图表周围的空白部 分)。要得到一张带有最小白边且分辨率为400DPI的PNG图片，你可以:

plt.savefig('filepath.png',dpi=400,bbox_inches='tight')

savefig并非一定要写入磁盘，也可以写入任何文件型的对象，比如BytesIO:

from io import BytesIO

buffer = BytesIO()
plt.savefig(buffer)
plot_data = buffer.getvalue()

下表列出了savefig的其它选项。

 

7. matplotlib配置

matplotlib自带一些配色方案，以及为生成出版质量的图片而设定的默认配置 信息。幸运的是，几乎所有默认行为都能通过一组全局参数进行自定义，它 们可以管理图像大小、subplot边距、配色方案、字体大小、网格类型等。一 种Python编程方式配置系统的方法是使用rc方法。例如，要将全局的图像默 认大小设置为10×10，你可以执行:

plt.rc('figure',figsize=(10,10))

rc的第一个参数是希望自定义的对象，

如'figure'、'axes'、'xtick'、'ytick'、'grid'、'legend'等。其后可以跟上一系列的 关键字参数。一个简单的办法是将这些选项写成一个字典:

font_options = {'family' : 'monospace',
                  'weight' : 'bold',
                  'size'   : 'small'}
plt.rc('font', **font_options)

要了解全部的自定义选项，请查阅matplotlib的配置文件matplotlibrc(位于matplotlib/mpl-data目录中)。如果对该文件进行了自定义，并将其放在你自 己的.matplotlibrc目录中，则每次使用matplotlib时就会加载该文件。