Python資料處理 | (三) Matplotlib資料視覺化
本篇部落格所有示例使用Jupyter NoteBook演示。
Python資料處理系列筆記基於：Python資料科學手冊電子版 下載密碼：ovnh
示例程式碼 下載密碼:02f4
目錄
一、Matplotlib常用技巧
1.匯入Matplotlib
2.設定繪圖樣式
3.用不用show()?如何顯示圖形
- 在指令碼中畫圖
如果在指令碼檔案或整合環境中使用Matplotlib，顯示圖形必須使用plt.show()：
注意一個Python會話只能使用一次plt.show()，通常放在指令碼最後；多個plt.show()會導致異常。
- 在Ipython shell中畫圖
在Ipython shell中啟動Matplotlib模式後，就不需要使用plt.show().
此後任何plt命令都會自動開啟一個圖形視窗，增加新命令，圖形就會更新。
有一些變化，如改變已經畫好的線條屬性不會自動及時更新，可以使用plt.draw()強制更新。
-
在Ipython Notebook中畫圖
將圖形直接嵌在IPython Notebook頁面中，有兩種形式上：
1）%matplotlib notebook會在Notebook中啟動互動式圖形
2）%matplotlib inline會在Notebook中啟動靜態圖形
統一使用2）：
4.將圖形儲存為檔案
可以用savefig()把圖形儲存為不同的資料格式：
檢視系統支援的檔案格式：
儲存影象檔案不需要使用plt.show()等命令。
二、兩種畫圖介面
1.MATLAB風格介面
這種介面是有狀態的：會持續跟蹤當前的圖形和座標軸，所有plt命令都可以用：
這種介面當建立第二個子圖時，如果再回到第一個子圖增加內容，會很複雜。
2.面向物件介面
畫簡單圖形時，二者看個人喜好；畫比較複雜的圖形時，面向物件方法會更方便。
三、簡易折線圖
在Notebook中畫圖，需要先匯入：
首先需要建立一個圖形fig和一個座標軸ax：
然後用ax.plot畫圖(面向物件介面)：
plt.plot() Matplotlib介面：
在一幅圖中畫多條曲線，可以重複呼叫plot：
1.調整圖形：線條的顏色與風格
設定曲線顏色，用color引數，有多種表示方法：
如果不知道顏色，會為多條曲線預設使用一組顏色。
可以用linestyle引數調整線條風格：
組合color和linestyle引數：
2.調整圖形：座標軸上下限
也可以使用plt.axis()設定範圍：
plt.axis()還可以設定佈局：
3.設定圖形標籤
設定圖形標題和座標標題：
單圖顯示多條曲線時，設定圖例：
絕大多數Matlab介面和麵向物件介面是通用的，如plt.plot()和ax.plot(),plt.legend()和ax.legend()等，也有一些稍有不同，二者轉換如下：
使用面向物件介面時，一般不單獨呼叫這些函式，而是用ax.set()統一設定：
四、簡易散點圖
1.用plt.plot畫散點圖
演示一些不同的圖形標記：
圖形標記可以與線條和顏色結合使用：
設定散點和線條的屬性：
2.用plt.scatter畫散點圖
與plt.plot()相比，plt.scatter()建立散點圖更靈活：
引入鳶尾花資料集，feature[0]是花萼長度，feature[1]是花萼寬度，圖中點的大小代表feature[3]花瓣的寬度，三種顏色對應三種類型的鳶尾花：
3.plot與scatter：效率對比
對於小型資料集，二者差異不大；對於大型資料集，plot比scatter快很多。
原因在於plot中散點基本彼此複製，整個資料集中所有點的顏色、尺寸只需要配置一次；scatter會對每個散點進行單獨的大小與顏色的渲染。
五、視覺化異常處理
1.基本誤差線
改善選項，一般誤差線顏色比資料點顏色淺一點比較好：
可以設定水平誤差線、單側誤差線等。可以參考程式文件plt.errorbar.
2.連續誤差
有時需要顯示連續變數的誤差：
通過高斯過程迴歸方法，演示對帶有不確定性的連續測量值進行擬合：
fill_between首先傳入x軸座標值，然後傳入y軸下邊界，以及上邊界，接下來是一些線條屬性設定。，整個區域被誤差線填充。
擬合效果：在接近樣本點的區域，模型受很強的約束，擬合誤差很小，接近真實值；遠離樣本點的區域，模型不受約束，誤差不斷增大。
六、密度圖和等高線圖
1.三維函式的視覺化
等高線圖視覺化三維資料：
檢視所有配色方案：
可以用plt.contourf()來填充等高線，語法和plt.contour()一致：
通過plt.imshow()，將2維陣列渲染成漸變圖：
imshow()注意事項：
1）plt.imshow()不支援x軸和y軸資料設定網格，必須通過extent引數設定圖形的座標範圍[xmin,xmax,ymin,ymax
2) plt.imshow()原點在左上角，而不是絕大多數等高線圖使用的左下角。在顯示網格資料圖形時必須調整
3）plt.imshow()會自動調整座標軸的精度以適應資料顯示。可以通過plt.axis(aspect='image')設定x和y軸的單位
將等高線圖與彩色圖結合：如將一幅背景為半透明的彩色圖（alpha設定透明度），與另一幅座標相同、帶資料標籤的等高線圖疊放在一起（plt.clabel()):
七、頻次直方圖、資料區間劃分和分佈密度
一個簡易的頻次直方圖：
個性化的頻次直方圖：
同坐標軸多個頻次直方圖：
簡單計算每個區間內的樣本數，不想畫圖：
1.二維頻次直方圖與資料區間劃分
就像把一維陣列分為區間建立一維頻次直方圖一樣，可以將2維陣列按照2維區間劃分，建立2維頻次直方圖：
- plt.hist2d:2維頻次直方圖
與hist一樣hist2d也有很多其他配置選項。
如果不想畫圖，只想檢視計算結果：
- plt.hexbin:六邊形區間劃分
2維頻次直方圖是與座標軸正交的方塊分割而成的，比較常用的是用正六邊形分割：
-
核密度估計
用於評估多維資料分佈密度的常用方法，KDE。
演示用KDE抹去空間中離散的資料點，擬合出一個平滑的函式：
八、配置圖例
可以使用plt.legend()/ax.legend()來建立最簡單的圖例，它會自動建立一個包含每個圖形元素的圖例：
個性化圖例設定：
1.選擇圖例顯示的元素
圖例會預設顯示所有元素的標籤，也可以不顯示全部：
也可以為要顯示的圖例設定標籤：
2.在圖例中顯示不同尺寸的點
有時可能需要用不同尺寸的點表示資料特徵，希望建立這樣的圖例來反應這些特徵。
下面有點的尺寸來表示美國加州不同城市的面積，顏色代表不同城市的人口數，通過一個不同尺寸的點來顯示不同面積的圖例：
加州城市資料集 下載密碼:94pq
3.同時顯示多個圖例
如果要在一張圖上顯示多個圖例不太容易，legend()只能為一張圖設定第一個圖例，再設定圖例第一個會被覆蓋。
可以通過如下方法實現：
九、配置顏色條
建立最簡單的顏色條：
1.配置顏色條
通過cmap引數設定顏色條配色方案：
檢視所有配色方案：
- 選擇配色方案
一般情況下只需重點關注三種不同的配色方案：
1）順序配色方案：由一組連續的顏色構成的配色方案（binary或viridis）
2）互逆配色方案：由兩種互補的顏色構成，表示正反兩種含義（RdBu或PuOr）
3）定性配色方案：隨機順序的一組顏色（rainbow或jet）
可以通過把配色方案轉換成黑白的灰度圖看看具體的顏色：
上圖中灰度圖中比較亮的條紋。這些亮度變化不均勻的條紋在彩色圖中對應一段區間，由於色彩太接近容易凸顯出資料集中不重要的部分，jet不是一種好的配色方案，更好的是viridis。
彩虹效果，可以用cubehelix配色方案視覺化連續的數值：
要用兩種顏色表示正反兩種含義時，可使用RdBu雙色配色方案：
- 顏色條刻度的限制與擴充套件功能的設定
顏色條本身可以看作一個plt.Axes的例項，之前學習的關於座標軸和刻度紙的格式配置都可以用。
我們還可以縮短顏色取值的上下限，對於超出上下限的資料，通過extend用三角箭頭表示比上限大的數或比下限小的數。
左圖用預設的顏色條刻度限制實現的效果，噪點的範圍完全覆蓋了我們感興趣的資料。
右圖設定了顏色條刻度的上下限，並在上下限之外增加了擴充套件功能，這樣資料視覺化圖形顯然更有效果。
- 離散型顏色條
顏色條預設是連續的，有時可能需要表示離散資料：
2.案例：手寫數字
下載手寫數字資料集,對一些數字視覺化：
每個數字由64個畫素構成，每個數字可以看作一個64維空間中的點，每個維度表示一個畫素的亮度。
視覺化高維空間非常困難，一種解決方法是降維，在儘量保留資料內部重要關聯性的同時降低資料的維度，如流形學習：
使用流形學習將數字投影到2維空間並可視化：
數字3和5投影面積有重疊，說明手寫3，5難以區分，自動分類演算法容易搞混；
其他數字如0和1，隔得比較遠，說明2者不太可能出現混淆。
十、多子圖
1.plt.axes:手動建立子圖
plt.axes預設建立一個標準座標軸，圖形座標系統由四個值組成[底座標，左座標，寬度，高度],取值範圍為左下角為原點（0），右上角為1.
建立兩個豎直排列的座標軸：
上子圖起點座標y為0.5位置，與下子圖對應，起點y座標為0.1位置，高度為0.4
2.plt.subplot:簡易網格子圖
建立彼此對齊的行列子圖：
面向物件介面可實現同樣的效果：
3.plt.subplots:一行程式碼建立網格
4.plt.GridSpec:實現更復雜的排列方式
實現不規則的多行多列子圖網格：
建立多軸頻次直方圖（後續的Seaborn中會有專門的介面）：
十一、文字與註釋
基本的註釋可能只是座標軸標題與圖示題，但註釋遠遠不止這些。
1.案例：節假日對美國出生率的影響
美國出生人口資料 下載密碼:iwwn
如果為圖形新增一些註釋，就更能吸引讀者注意了。plt.text()/ax.plot()可以在圖中某個座標點上手動添加註釋：
2.座標變換與文字位置
三種座標變換方式：
1）ax.transData 以資料為基準的座標變換，預設值，以x，y軸的標籤作為資料座標
2）ax.transAxes以座標軸為基準的座標變換，以下圖中白色矩形左下角為原點，按座標軸尺寸的比例顯示座標
3）fig.transFigure以圖形為基準的座標變換，以下圖中灰色矩形左下角為原點，按圖形尺寸的比例顯示座標
3.箭頭與註釋
arrowprop字典設定箭頭風格，更多選項可以檢視官方文件。
用之前的人口資料演示一些箭頭註釋：
十二、自定義座標軸刻度
Matplotlib目標是用Python物件表現任意圖形元素，例如每個figure物件都會包含一個或多個axes物件，每個axes物件又會包含其他表示圖形內容的物件。
對於座標軸刻度線，每個axes都有xaxis和yaxis屬性，每個屬性同包含構成座標軸的線條、刻度和標籤的全部屬性。
1.主要刻度與次要刻度
主要刻度更顯著且有標籤，次要刻度更小且沒有標籤。一般情況下Matplotlib不使用次要刻度，可以在對數圖中看到：
可以設定每個座標軸的formatter和locator物件，自定義刻度線位置和標籤。
檢視x軸屬性：
上圖的主要刻度和次要刻度的位置都是由LogLocator物件設定。
上圖的主要刻度的標籤由LogFormatterMathtext物件設定；主要刻度的標籤由NullFormatter物件設定，所以不顯示。
2.隱藏刻度與標籤
上例中隱藏了x軸標籤，但刻度/網格線會保留；隱藏了y軸刻度，此時y軸標籤也一併隱藏。
很多時候顯示圖片時是不需要刻度的,如顯示人臉圖片：
3.增減刻度數量
預設刻度值，顯示小圖片時會十分擁擠：