摘要：有一些表示常見圖形的對象稱為塊，完整的集合位于。中的繪圖函數(shù)在中，有行標(biāo)簽列標(biāo)簽分組信息。密度圖通過計算可能會產(chǎn)生觀測數(shù)據(jù)的連續(xù)概率分布的估計而產(chǎn)生的。在探索式數(shù)據(jù)分析工作中，同時觀察一組變量的散布圖是很有意義的。

我們在上一篇介紹了 pandas，本篇介紹 matplotlib。

一個用于創(chuàng)建出版質(zhì)量圖表的桌面繪圖包。

Figure 和 Subplot

matplotlib的圖像都位于Figure對象中。

帶有三個subplot的Figure：

這些由fig.add_subplot所返回的對象是AxesSubplot對象，直接調(diào)用它們的實例方法就可以在其它空著的格子里畫圖了。

這時發(fā)出一條繪圖命令，matplotlib就會在最后一個用過的subplot上進(jìn)行繪制（如果沒有會創(chuàng)建一個）：

K--：一個線型選項，用于告訴matplotlib繪制黑色虛線圖。

依次畫出虛線、直方圖、散點圖。

根據(jù)特定布局創(chuàng)建Figure和subplot的簡便方法：plt.subplots， 它可以創(chuàng)建一個新的Figure，并返回一個含有已創(chuàng)建的subplot對象的NumPy數(shù)組：

可以對 axes數(shù)組進(jìn)行索引，就像是一個二維數(shù)組一樣：

還可以通過sharex和sharey指定subplot應(yīng)該具有相同的X軸或Y軸（刻度），在比較相同范圍的數(shù)據(jù)時用，否則matplotlib會自動縮放各圖表的界限。

調(diào)整subplot周圍的間距

默認(rèn)情況下，matplotlib會在subplot外圍留下一定的邊距，在subplot之間留下一定的間距。間距跟圖像的高度和寬度有關(guān)。

利用Figure的subplots_adjust方法修改間距。

下面的例子間距收縮到 0：

軸標(biāo)簽重疊了，matplotlib不會檢查標(biāo)簽是否重疊，這時要自己設(shè)定刻度位置和刻度標(biāo)簽。

可以在matplotlib的文檔中找到各種圖表類型。

顏色、標(biāo)記和線型

完整的linestyle列表參見plot的文檔。

ax.plot(x, y, "g--")  #根據(jù)x, y繪制綠色虛線
ax.plot(x, y, linestyle="--", color="g")   #更明確的方式，和上面一樣的效果

要使用其他任意顏色可以通過指定其 RGB 值的形式（如 #CECECE）

matplotlib創(chuàng)建的是連續(xù)的線型圖，即點與點之間插值，非實際數(shù)據(jù)點默認(rèn)是按線性方式插值的，可以通過drawstyle選項修改：

線型圖可以加上一些標(biāo)記，以強(qiáng)調(diào)實際的數(shù)據(jù)點：

標(biāo)記類型和線型必須放在顏色后面。

簡化的寫法：

刻度、標(biāo)簽和圖例

過程型的pyplot接口

交互式使用，有xlim, xticks, xticklabels之類的方法，它們分別控制圖表的范圍，刻度位置，刻度標(biāo)簽等。
調(diào)用時不帶參數(shù)，如plt.xlim()返回當(dāng)前的X軸繪圖范圍。
調(diào)用時帶參數(shù)，如plt.xlim([0, 10])會將X軸的范圍設(shè)置為 0 到 10。

更為面向?qū)ο蟮脑?b>matplotlib API。

設(shè)置標(biāo)題、軸標(biāo)簽、刻度以及刻度標(biāo)簽

繪制一段隨機(jī)漫步：

修改X軸刻度：set_xticks（數(shù)值），set_xticklabels（其他任何的值用作刻度）。

添加圖例（legend）

添加圖例的方式：添加subplot的時候傳入label參數(shù)。

調(diào)用 ax.legend() 或 plt.legend() 來自動創(chuàng)建圖例。

loc告訴matplotlib要將圖例放在哪，best選擇最不礙事的位置。

去除圖例：不傳入label或傳入label="_nolegend_"（注意有兩個下劃線）。

注釋以及在Subplot上繪圖

注釋：通過 text, arrow, annotate 等函數(shù)進(jìn)行添加。

matplotlib有一些表示常見圖形的對象：稱為塊（patch），完整的集合位于matplotlib.patches。

創(chuàng)建一個塊對象shp，然后通過ax.add_patch(shp)將其添加到subplot中：

圖表對象：它們其實就是由塊組裝而成的。

將圖表保存到文件

利用 plt.savefig 可以將當(dāng)前圖表保存到文件。（該方法相當(dāng)于 Figure 對象的實例方法 savefig）。

如要將圖表保存為 SVG 文件：

兩個重要的選項：

dpi：控制“每英寸點數(shù)”分辨率；

bbox_inches：可以剪除當(dāng)前圖表周圍的空白部分。

得到一張帶有最小白邊且分辨率為 400DPI 的 PNG 圖片：

savefig并非一定要寫入磁盤，也可寫入任何文件型的對象，比如StringIO：

matplotlib配置

操作matplotlib配置系統(tǒng)的方式：Python 編程方式，即利用rc方法。

如將全局的圖像默認(rèn)大小設(shè)置為 10 * 10，執(zhí)行：

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

rc的第一個參數(shù)：是希望自定義的對象（如"figure", "axes", "xtick", "ytick", "grid", "legend"），這里是figure。

可以跟一系列的關(guān)鍵字參數(shù)，將它們寫成一個字典：

全部的自定義選項：查閱matplotlib的配置文件matplotlibrc（位于 matplotlib/mpl-data 目錄中）。對該文件進(jìn)行自定義，并將其放在目錄中，則每次使用matplotlib時就會加載該文件。

在pandas中，有行標(biāo)簽、列標(biāo)簽、分組信息。

要制作一張完整的圖表，原本需要一大堆的matplotlib代碼，現(xiàn)在只需一兩條簡潔的語句就可以了。pandas有許多能夠利用DataFrame對象數(shù)據(jù)組織特點來創(chuàng)建標(biāo)準(zhǔn)圖表的高級繪圖方法。

線型圖

Series和DataFrame都有一個用于生成各類圖表的plot方法，默認(rèn)情況下它們都生成線型圖。

DataFrame的plot方法會在一個 subplot 中為各列繪制一條線，并自動創(chuàng)建圖例。

柱狀圖

垂直柱狀圖：Kind="bar"
水平柱狀圖：Kind="barh"

設(shè)置 stacked=True 即可為DataFrame生成堆積柱狀圖：

柱狀圖利用value_counts圖形化顯示Series中各值的出現(xiàn)頻率，如：

直方圖和密度圖

直方圖（histogram）：是一種可以對值頻率進(jìn)行離散化顯示的柱狀圖。

密度圖：通過計算“可能會產(chǎn)生觀測數(shù)據(jù)的連續(xù)概率分布的估計”而產(chǎn)生的。

一般的過程是將該分布近似為一組核（如正態(tài)（高斯）分布之類的較為簡單的分布）。

密度圖也被稱作 KDE 圖（Kernel Density Estimate 核密度估計）。

直方圖和密度圖常被畫在一起，直方圖以規(guī)格化形式給出（以便給出面元密度），再在其上繪制核密度估計。

由兩個不同的標(biāo)準(zhǔn)正態(tài)分布組成的雙峰分布：

最后一行代碼繪制的密度圖的最終結(jié)果：

散布圖

散布圖（scatter plot）：是觀察兩個一維數(shù)據(jù)序列之間關(guān)系的有效手段。

matplotlib的scatter方法是繪制散布圖的主要方法。

在探索式數(shù)據(jù)分析工作中，同時觀察一組變量的散布圖是很有意義的。也被稱為散布圖矩陣（scatter plot matrix）。

pandas提供了一個能從DataFrame創(chuàng)建散布圖矩陣的 scatter_matrix 函數(shù)，它還支持在對角線上放置各變量的直方圖或密度圖。

不足之處，歡迎指正。