信息可视化是数据分析中一个重要的部分。它也可能是探索数据的一部分，比如，帮助我们找到离群点或需要进行变换的数据，或帮助我们思考选择哪种模型更合适。Python有很多库能用来制作统计或动态可视化，但这里我们重点关注matplotlib pandas searborn等库。Matplotlib是一个非常强大的画图工具，对数据的可视化起着很大的作用。Maplotlib可以画图线图，散点图，等高线图，条形图，柱形图，3D图形，图形动画等。
import matplotlib.pyplot as plt import numpy as npimport pandas as pd x=np.linspace(-1 ,1 ,50 ) #定义x 2 *x+1 #定义y数据范围 2 #定义图像窗口 #画出曲线 #显示图像
x=np.linspace(-3 ,3 ,50 ) #在（-3,3）之间生成50个样本数 2 *x+1 2 1 ,figsize=(8 ,5 )) #定义编号为1，大小为（8,5） 'red' ,linewidth=2 ,linestyle='--' ) #颜色线宽及格式 x=np.linspace(-3 ,3 ,50 ) #在（-3,3）之间生成50个样本数 2 *x+1 2 1 ,figsize=(8 ,5 )) #定义编号为1，大小为（8,5） 'red' ,linewidth=2 ,linestyle='--' ) -1 ,2 ) #x轴的范围 -2 ,3 ) #y轴的范围 'x轴' )'y轴' )
x=np.linspace(-3 ,3 ,50 ) #在（-3,3）之间生成50个样本数 2 *x+1 2 2 ,figsize=(8 ,5 )) #定义编号为2，大小为（8,5） 'red' ,linewidth=2 ,linestyle='--' ) -1 ,2 ) #x轴的范围 -2 ,3 ) #y轴的范围 'x轴' )'y轴' )-1 ,2 ,5 ) #-1到2分成5段，包含端点 #进行替换新下标 -2 ,-1 ,0 ,1 ,2 ,],r'$really\ bad$' ,'$bad$' ,'$0$' ,'$well$' ,'$really\ well$' ]) [-1. -0.25 0.5 1.25 2. ]
x=np.linspace(-3 ,3 ,50 ) #在（-3,3）之间生成50个样本数 2 *x+1 2 2 ,figsize=(8 ,5 )) #定义编号为2，大小为（8,5） 'red' ,linewidth=2 ,linestyle='--' ) -1 ,2 ) #x轴的范围 -2 ,3 ) #y轴的范围 'x轴' )'y轴' )-1 ,2 ,5 ) #-1到2分成5段，包含端点 #进行替换新下标 -2 ,-1 ,0 ,1 ,2 ,],r'$really\ bad$' ,'$bad$' ,'$0$' ,'$well$' ,'$really\ well$' ])#get current axis 'right' ].set_color('none' ) #边框属性设置为None 不显示 'top' ].set_color('none' ) [-1. -0.25 0.5 1.25 2. ]
x=np.linspace(-3 ,3 ,50 ) #在（-3,3）之间生成50个样本数 2 *x+1 2 2 ,figsize=(8 ,5 )) #定义编号为2，大小为（8,5） 'red' ,linewidth=2 ,linestyle='--' ) -1 ,2 ) #x轴的范围 -2 ,3 ) #y轴的范围 'x轴' )'y轴' )-1 ,2 ,5 ) #-1到2分成5段，包含端点 #进行替换新下标 -2 ,-1 ,0 ,1 ,2 ,],r'$really\ bad$' ,'$bad$' ,'$0$' ,'$well$' ,'$really\ well$' ])#get current axis 'right' ].set_color('none' ) #边框属性设置为None 不显示 'top' ].set_color('none' )'bottom' ) #设置x坐标刻度数字或名称的位置，所有属性为：top,bottom,both,default,none 'bottom' ].set_position(('data' ,0 )) # 设置.spines边框x轴，设置.set_position设置边框的位置，y=0位置；位置所有属性有outward,axes,data 'left' )'left' ].set_position(('data' ,0 )) #坐标中心点在（0,0）位置 [-1. -0.25 0.5 1.25 2. ]
x=np.linspace(-3 ,3 ,50 )2 *x+1 2 2 ,figsize=(8 ,5 ))-1 ,2 )-2 ,3 )-1 ,2 ,5 ) -2 ,-1 ,1 ,2 ,],r'$really\ bad$' ,'$bad$' ,'$well$' ,'$really\ well$' ])'red' ,linewidth=2 ,linestyle='--' ,label='linear line' )'square line' ) 'best' ) #显示在最好的位置,自动分配 #显示图 x=np.linspace(-3 ,3 ,50 )2 *x+1 2 2 ,figsize=(8 ,5 ))-1 ,2 )-2 ,3 )-1 ,2 ,5 ) -2 ,-1 ,1 ,2 ,],r'$really\ bad$' ,'$bad$' ,'$well$' ,'$really\ well$' ])'red' ,linewidth=2 ,linestyle='--' ,label='linear line' )'square line' ) #单独修改label的信息 'best' ,handles=[l1,l2],labels=['up' ,'down' ]) #显示在最好的位置,自动分配 #显示图
loc中的参数：
best
x=np.linspace(-3 ,3 ,50 )2 *x+1 1 ,figsize=(8 ,5 ))#移动坐标轴 'right' ].set_color('none' )'top' ].set_color('none' )'bottom' )'bottom' ].set_position(('data' ,0 ))'left' )'left' ].set_position(('data' ,0 ))#标注信息 1 2 *x0+1 'b' )0 ],'k--' ,lw=2.5 ) #连接两个点，k表示黑色，lw=line weight 线粗细 r'$2x0+1=%s$' % y0,xy=(x0,y0),xycoords='data' ,xytext=(+30 ,-30 ),textcoords='offset points' ,fontsize=16 ,'->' ,connectionstyle='arc3,rad=.2' ))#xycoords='data' 基于数据的值来选位置，xytext=(+30,-30),对于标注位置的描述，textcoords='offset points'，xy偏差值，arrowprops对图中箭头类型设置 -3.7 ,3 ,r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$' ,fontdict={'size' :16 ,'color' :'r' }) x=np.linspace(-3 ,3 ,50 )0.1 *x10 ,zorder=1 )-2 ,2 )#移动坐标轴 'right' ].set_color('none' )'top' ].set_color('none' )'bottom' )'bottom' ].set_position(('data' ,0 ))'left' )'left' ].set_position(('data' ,0 ))#label.set_fontsize(12) 重新调整字体的大小，bbox设置目的内容透明度相关系数，facecolor调节box景色 #edgecolor设置边框 ,alpha设置透明度，zorder设置图层顺序 for label in ax.get_xticklabels()+ax.get_yticklabels():12 )'red' ,edgecolor='None' ,alpha=0.7 ,zorder=2 ))
n=1024 0 ,1 ,n) 0 ,1 ,n)#arctan2返回给定的X和Y值的反正切值 #scatter画散点图，size=75,颜色为T,透明度为50%，利用xticks函数来隐藏x坐标轴 75 ,c=T,alpha=0.5 )-1.5 ,1.5 )#忽略xticks -1.5 ,1.5 )#忽略yticks 8.2 Bar条形图 n=12 1 -X/float(n))*np.random.uniform(0.5 ,1 ,n)1 -X/float(n))*np.random.uniform(0.5 ,1 ,n)'#9999ff' ,edgecolor='white' )'#ff9999' ,edgecolor='white' )#标记值 for x,y in zip(X,Y1): #zip表示可以传递两个值 0.4 ,y+0.5 ,'%.2f' %y,ha='center' ,va='bottom' ) #ha表示横向对齐，bottom表示向下对齐 for x,y in zip(X,Y2):0.4 ,-y-0.05 ,'%.2f' %y,ha='center' ,va='top' )-0.5 ,n)-1.25 ,1.25 )
8.3 Contours等高线图 n=256 -3 ,3 ,n)-3 ,3 ,n)#从坐标向量返回坐标矩阵 #函数用来计算高度值，利用contour函数把颜色加进去，位置参数依次为x,y,f(x,y)，透明度为0.75，并将f(x,y)的值对应到camp之中 def f (x,y) :return (1 -x/2 +x**5 +y**3 )*np.exp(-x**2 -y**2 )8 ,alpha=0.75 ,cmap=plt.cm.hot) #8表示等高线分成多少份，alpha表示透明度，cmap表示color map 8 ,colors='black' ,linewidth=0.5 )True ,fontsize=10 )#隐藏坐标轴 import matplotlib.pyplot as pltimport numpy as np0.313660827978 , 0.365348418405 , 0.423733120134 ,0.365348418405 , 0.439599930621 , 0.525083754405 ,0.423733120134 , 0.525083754405 , 0.651536351379 ]).reshape(3 ,3 )'nearest' , cmap='bone' , origin='lower' )
interpolation_methods: 可以更改看看效果
#利用matplotlib打印出图像 0.313660827978 ,0.365348418405 ,0.423733120134 ,0.365348418405 ,0.439599930621 ,0.525083754405 ,0.423733120134 ,0.525083754405 ,0.651536351379 ]).reshape(3 ,3 )'nearest' ,cmap='bone' ,origin='lower' ) #origin='lower'代表就是选择原点位置 .92 ) #shrink参数是将图片长度变为原来的92% <IPython .core.display.Javascript object >
import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D #需要导入模块Axes3D #定义图像窗口 #在窗口上添加3D坐标轴 #将x和y值编织成栅格 -4 ,4 ,0.25 )-4 ,4 ,0.25 )2 +Y**2 )#高度值 #将colormap ranbow填充颜色，之后将三维图像投影到XY平面做等高线图，其中rstride和cstride表示row和column的宽度 1 ,cstride=1 ,cmap=plt.get_cmap('rainbow' )) #rstride表示图像中分割线的跨图 #添加XY平面等高线 投影到Z平面 'z' ,offset=-2 ,cmap=plt.get_cmap('rainbow' )) #把图像进行投影的图形 offset表示比0坐标轴低两个位置 -2 ,2 )11.1 多合一显示 均匀图中图：MatPlotLib可以组合许多的小图在大图中显示，使用的方法叫做subplot.
plt.figure()2 ,2 ,1 ) #表示将整个图像分割成2行2列，当前位置为1 0 ,1 ],[0 ,1 ]) #横坐标变化为[0,1] 竖坐标变化为[0,2] 2 ,2 ,2 )0 ,1 ],[0 ,2 ])2 ,2 ,3 )0 ,1 ],[0 ,3 ])2 ,2 ,4 )0 ,1 ],[0 ,4 ])
不均匀图中图 plt.figure()2 ,1 ,1 ) #表示将整个图像分割成2行1列，当前位置为1 0 ,1 ],[0 ,1 ]) #横坐标变化为[0,1] 竖坐标变化为[0,2] 2 ,3 ,4 )0 ,1 ],[0 ,2 ])2 ,3 ,5 )0 ,1 ],[0 ,3 ])2 ,3 ,6 )0 ,1 ],[0 ,4 ]) 11.2 分格显示 方法一 import matplotlib.gridspec as gridspec #引入新模块 #使用plt.subplot2grid创建一个小图，（3,3）表示将整个图像分割成三行三列，（0,0）表示从第0行0列开始作图， #colspan=3表示列的跨度为3.colspan和rowspan缺省时默认跨度为1 3 ,3 ),(0 ,0 ),colspan=3 ) 1 ,2 ],[1 ,2 ])'ax1_title' ) #设置图的标题 #将图像分割成3行3列，从第1行0列开始作图，列的跨度为2 3 ,3 ),(1 ,0 ),colspan=2 )#将图像分割成3行3列，从第1行2列开始作图，行的跨度为2 3 ,3 ),(1 ,2 ),rowspan=2 )#将图像分割成3行3列，从第2行0列开始作图，行与列的跨度默认为1 3 ,3 ),(2 ,0 ))1 ,2 ],[2 ,2 ])'ax4_x' )'ax4_y' )3 ,3 ),(2 ,1 ))
方法二 plt.figure()3 ,3 ) #将图像分割成三行三列 0 ,:]) #gs[0:1]表示图占第0行和所有列 1 ,:2 ]) #gs[1,:2]表示图占第1行和前两列 1 :,2 ]) #gs[1,:]表示图占后两行的最后一列 -1 ,0 ]) -1 ,-2 ]) #gs[-1,-2]表示这个图占倒数第一行和倒数第2列 方法三 #建立一个2行2列的图像窗口，sharex=True表示共享x轴坐标，sharey=True表示共享y轴坐标， #((ax11,ax12),(ax13,ax14))表示从左到右一次存放ax11,ax12,ax13,ax14 2 ,2 ,sharex=True ,sharey=True )1 ,2 ],[1 ,2 ]) #坐标范围x为[1,2],y为[1,2] #表示紧凑显示图像
fig=plt.figure()#创建数据 1 ,2 ,3 ,4 ,5 ,6 ,7 ]1 ,3 ,4 ,2 ,5 ,8 ,6 ]#绘制大图：假设大图的大小为10，那么大图被包含在由（1,1）开始，宽8高8的坐标系之中 0.1 ,0.1 ,0.8 ,0.8 #main axes 'r' ) #绘制大图，颜色为red 'x' ) #横坐标名称为x 'y' )'title' ) #图名称为title #绘制小图，注意坐标系位置和大小的改变 0.2 ,0.6 ,0.25 ,0.25 ])'b' ) #颜色为bule 'x' )'title inside 1' )#绘制第二个小图 0.6 ,0.2 ,0.25 ,0.25 ])-1 ],x,'g' ) #将y进行逆序 'x' )'y' )'title inside 2' ) x=np.arange(0 ,10 ,0.1 )0.5 *x**2 -1 *y1#镜像显示 'g-' )'b-' )'x data' )'Y1 data' ,color='g' ) #第一个y坐标轴 'Y2 data' ,color='b' ) #第二个y坐标轴
from matplotlib import pyplot as pltfrom matplotlib import animationimport numpy as np#我们的数据是一个0~2π内的正弦曲线 0 , 2 *np.pi, 0.01 )#接着，构造自定义动画函数animate，用来更新每一帧上各个x对应的y坐标值，参数表示第i帧 def animate (i) :10.0 ))return line,#然后，构造开始帧函数init def init () :return line,#接下来，我们调用FuncAnimation函数生成动画。参数说明： #fig 进行动画绘制的figure #func 自定义动画函数，即传入刚定义的函数animate #frames 动画长度，一次循环包含的帧数 #init_func 自定义开始帧，即传入刚定义的函数init #interval 更新频率，以ms计 #blit 选择更新所有点，还是仅更新产生变化的点。应选择True，但mac用户请选择False，否则无法显示动画 100 ,20 ,False )#图中效果为一曲线向左移动 # 当然，你也可以将动画以mp4格式保存下来，但首先要保证你已经安装了ffmpeg 或者mencoder # ani.save('basic_animation.mp4', fps=30, extra_args=['-vcodec', 'libx264']) 下载1：OpenCV-Contrib扩展模块中文版教程 
