摘要：有一些表示常見(jiàn)圖形的對(duì)象稱(chēng)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(guò)計(jì)算可能會(huì)產(chǎn)生觀測(cè)數(shù)據(jù)的連續(xù)概率分布的估計(jì)而產(chǎn)生的。在探索式數(shù)據(jù)分析工作中，同時(shí)觀察一組變量的散布圖是很有意義的。

我們?cè)谏弦黄榻B了 pandas，本篇介紹 matplotlib。

一個(gè)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(duì)象中。

帶有三個(gè)subplot的Figure：

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

這時(shí)發(fā)出一條繪圖命令，matplotlib就會(huì)在最后一個(gè)用過(guò)的subplot上進(jìn)行繪制（如果沒(méi)有會(huì)創(chuàng)建一個(gè)）：

K--：一個(gè)線型選項(xiàng)，用于告訴matplotlib繪制黑色虛線圖。

依次畫(huà)出虛線、直方圖、散點(diǎn)圖。

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

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

還可以通過(guò)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(shí)用，否則matplotlib會(huì)自動(dòng)縮放各圖表的界限。

調(diào)整subplot周?chē)拈g距

默認(rèn)情況下，matplotlib會(huì)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(huì)檢查標(biāo)簽是否重疊，這時(shí)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(lèi)型。

顏色、標(biāo)記和線型

完整的linestyle列表參見(jiàn)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(guò)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(diǎn)與點(diǎn)之間插值，非實(shí)際數(shù)據(jù)點(diǎn)默認(rèn)是按線性方式插值的，可以通過(guò)drawstyle選項(xiàng)修改：

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

標(biāo)記類(lèi)型和線型必須放在顏色后面。

簡(jiǎn)化的寫(xiě)法：

刻度、標(biāo)簽和圖例

過(guò)程型的pyplot接口

交互式使用，有xlim, xticks, xticklabels之類(lèi)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(shí)不帶參數(shù)，如plt.xlim()返回當(dāng)前的X軸繪圖范圍。
調(diào)用時(shí)帶參數(shù)，如plt.xlim([0, 10])會(huì)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(shí)候傳入label參數(shù)。

調(diào)用 ax.legend() 或 plt.legend() 來(lái)自動(dòng)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(gè)下劃線）。

注釋以及在Subplot上繪圖

注釋?zhuān)和ㄟ^(guò) text, arrow, annotate 等函數(shù)進(jìn)行添加。

matplotlib有一些表示常見(jiàn)圖形的對(duì)象：稱(chēng)為塊（patch），完整的集合位于matplotlib.patches。

創(chuàng)建一個(gè)塊對(duì)象shp，然后通過(guò)ax.add_patch(shp)將其添加到subplot中：

圖表對(duì)象：它們其實(shí)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(duì)象的實(shí)例方法 savefig）。

如要將圖表保存為 SVG 文件：

兩個(gè)重要的選項(xiàng)：

dpi：控制“每英寸點(diǎn)數(shù)”分辨率；

bbox_inches：可以剪除當(dāng)前圖表周?chē)目瞻撞糠帧?/p>

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(xiě)入磁盤(pán)，也可寫(xiě)入任何文件型的對(duì)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(gè)參數(shù)：是希望自定義的對(duì)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(xiě)成一個(gè)字典：

全部的自定義選項(xiàng)：查閱matplotlib的配置文件matplotlibrc（位于 matplotlib/mpl-data 目錄中）。對(duì)該文件進(jìn)行自定義，并將其放在目錄中，則每次使用matplotlib時(shí)就會(huì)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(jiǎn)潔的語(yǔ)句就可以了。pandas有許多能夠利用DataFrame對(duì)象數(shù)據(jù)組織特點(diǎn)來(lái)創(chuàng)建標(biāo)準(zhǔn)圖表的高級(jí)繪圖方法。

線型圖

Series和DataFrame都有一個(gè)用于生成各類(lèi)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(huì)在一個(gè) subplot 中為各列繪制一條線，并自動(dòng)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(duì)值頻率進(jìn)行離散化顯示的柱狀圖。

密度圖：通過(guò)計(jì)算“可能會(huì)產(chǎn)生觀測(cè)數(shù)據(jù)的連續(xù)概率分布的估計(jì)”而產(chǎn)生的。

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

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

直方圖和密度圖常被畫(huà)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(jì)。

由兩個(gè)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(gè)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(shí)觀察一組變量的散布圖是很有意義的。也被稱(chēng)為散布圖矩陣（scatter plot matrix）。

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

不足之處，歡迎指正。