學機器學習，不會資料分析怎麼行——資料視覺化分析(matplotlib)

摘要： 前言 前面兩篇文章介紹了 python 中兩大模組 pandas 和 numpy 的一些基本使用方法，然而，僅僅會處理資料還是不夠的，我們需要學會怎麼分析，毫無疑問，利用圖表對資料進行分析是最容易的，通過圖表可以很好地理解資料之間的關聯性以及某些資料的變化趨勢。因此，將在這篇部落格中介紹 ...

前言

前面兩篇文章介紹了 python 中兩大模組 pandas 和 numpy 的一些基本使用方法，然而，僅僅會處理資料還是不夠的，我們需要學會怎麼分析，毫無疑問，利用圖表對資料進行分析是最容易的，通過圖表可以很好地理解資料之間的關聯性以及某些資料的變化趨勢。因此，將在這篇部落格中介紹 python 中視覺化工具 matplotlib 的使用。

Figure 和 Subplot

matplotlib 的影象都位於 Figure 物件中，可以用 plt.figure 建立一個新的 Figure

fig = plt.figure()

plt.figure 有一些選項，如 figsize(用於設定圖片大小)。不能通過空 Figure 繪圖，必須用 add_subplot 建立一個或多個 subplot 才行

ax1 = fig.add_subplot(2,2,1) # 2*2 的影象，選中的是4個subplot中的第一個
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)

最終得到的圖如下所示

畫三張圖

ax3.plot(np.random.randn(50).cumsum(),'k--') # k--表示線型
_ = ax1.hist(np.random.randn(100),bins=20,color='k',alpha=0.3)
ax2.scatter(np.arange(30),np.arange(30)+3*np.random.randn(30))

上圖中只是三種圖表型別，你可以在matplotlib的文件中找到各種圖表型別。由於根據特定佈局建立Figure和subplot是一件非常常見的任務，於是便出現了一個更為方便的方法 plt.subplots ，它可以建立一個新的Figure，並返回一個含有已建立的subplot物件的NumPy陣列

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

這種方法非常的實用，我們可以輕鬆對axes資料進行索引。我們還可以通過 sharex 和 sharey 指定 subplot 應該具有的X軸和Y軸。在比較相同範圍的資料時，這也是非常實用的，否則，matplotlib 會自動縮放各圖表的界限。

圖表各要素

下面在介紹介紹如何新增圖表的各個要素

標題、軸標籤、刻度以及刻度標籤

要修改X軸的刻度，最簡單的方法是使用set_xticks和set_xticklabels。前者告訴matplotlib要將刻度放在資料範圍中的哪些位置，預設情況下，這些位置也就是刻度標籤。但我們可以通過set_xticklabels將任何其他的值作用於標籤

# 繪製一段隨機漫步
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())

ticks = ax.set_xticks([0,250,500,750,1000])
labels = ax.set_xticklabels(['one','two','three','four','five'])
ax.set_title('My first matplotlib plot')
ax.set_xlabel('stages')

圖例

ax.plot(np.random.randn(1000).cumsum(),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') # loc 告訴matplotlib要將圖例放在哪

註釋

除標準的圖示物件之外，你可能還希望繪製一些自定以的註解（比如文字、箭頭或其他圖形等）

註解可以通過 text , arrow 和 annotate 等函式進行新增。 text 可以將文字繪製在圖表的指定座標 (x,y)​ ，還可以加上一些自定以格式

ax.text(x,y,'Hello World!', family='monospace', fontsize=10, verticalalignment="top", horizontalalignment="right")

x,y:表示座標值上的值

string:表示說明文字

fontsize:表示字型大小

verticalalignment：垂直對齊方式 ，引數：[ ‘center’ | ‘top’ | ‘bottom’ | ‘baseline’ ]

horizontalalignment：水平對齊方式 ，引數：[ ‘center’ | ‘right’ | ‘left’ ]  

x1 = np.random.normal(30, 3, 100)
x2 = np.random.normal(20, 2, 100)

plt.plot(x1, label = 'plot')
plt.plot(x2, label = '2nd plot')
plt.legend(bbox_to_anchor=(0., 1.02, 1., .102), loc=2,
ncol=2, mode='expand', borderaxespad=0.)
plt.annotate('Important value', (55,20),
xycoords='data',
xytext=(5,38),
arrowprops = dict(arrowstyle = '->'))

plt.show()

annotate(s='str' ,xy=(x,y) ,xytext=(l1,l2) ,..)

s 為註釋文字內容

xy 為被註釋的座標點

xytext 為註釋文字的座標位置

xycoords 引數如下:

• figure points points from the lower left of the figure 點在圖左下方

• figure pixels pixels from the lower left of the figure 圖左下角的畫素

• figure fraction fraction of figure from lower left 左下角數字部分axes

• points points from lower left corner of axes 從左下角點的座標axes

• pixels pixels from lower left corner of axes 從左下角的畫素座標

• axes fraction fraction of axes from lower left 左下角部分

• data use the coordinate system of the object being annotated(default) 使用的座標系統被註釋的物件（預設）

• polar(theta,r) if not native ‘data’ coordinates t

extcoords 設定註釋文字偏移量

引數	座標系
'figure points'	距離圖形左下角的點數量
'figure pixels'	距離圖形左下角的畫素數量
'figure fraction'	0,0 是圖形左下角，1,1 是右上角
'axes points'	距離軸域左下角的點數量
'axes pixels'	距離軸域左下角的畫素數量
'axes fraction'	0,0 是軸域左下角，1,1 是右上角
'data'	使用軸域資料座標系

arrowprops #箭頭引數,引數型別為字典dict

• width the width of the arrow in points 點箭頭的寬度
• headwidth the width of the base of the arrow head in points 在點的箭頭底座的寬度
• headlength the length of the arrow head in points 點箭頭的長度
• shrink fraction of total length to ‘shrink’ from both ends 總長度為分數“縮水”從兩端
• facecolor 箭頭顏色

bbox給標題增加外框 ，常用引數如下：

• boxstyle方框外形
• facecolor(簡寫fc)背景顏色
• edgecolor(簡寫ec)邊框線條顏色
• edgewidth邊框線條大小

bbox=dict(boxstyle='round,pad=0.5', fc='yellow', ec='k',lw=1 ,alpha=0.5)#fc為facecolor,ec為edgecolor,lw為lineweight

pandas中的繪圖函式

我們平時基本都是使用pandas處理資料，所以，能夠利用pandas中內建的plot來畫圖會方便許多，下面將介紹幾種常用圖表的畫法

線型圖

Series 和 DataFrame 都有一個用於生成各類圖表的plot方法。預設情況下為線型圖

s = pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s.plot()

該Series物件的索引會被傳給matplotlib，並用以繪製X軸。可以通過use_index=False禁用該功能。X軸的刻度和界限可以通過xticks和xlim選項進行調節，Y軸就用yticks和ylim。

DataFrame的plot方法會在一個subplot中為各列繪製一條線，並自動建立圖例

df = pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'],index=np.arange(0,100,10))
df.plot()

Series.plot引數如下：

• label 用於圖例標籤
• ax 要在其上進行繪製的matplotlib subplot物件。
• style 將要傳給matplotlib的風格字串（如'ko--'）
• alpha 圖表的填充不透明度(0-1)
• kind 可以是'line' 'bar' 'barch' 'kde'
• logy 在Y軸上是同對數標尺
• use_index 將物件的索引用作刻度標籤
• rot 旋轉刻度標籤(0-360)
• xticks 用作X軸刻度的值
• yticks 用作Y軸刻度的值
• xlim X軸的界限
• ylim Y軸的界限
• grid 顯示軸網格線（預設開啟）

專用於DataFrame的plot引數：

• subplots 將各個DataFrame列繪製到單獨的subplot中
• sharex 如果subplots=True，則共用同一個X軸，包括刻度和界限
• sharey 如果subplots=True，則共用同一個Y軸
• figsize 表示影象大小的元組
• title 表示影象標題的字串
• legend 新增一個subplot圖例
• sort_columns 以字母表示順序繪製各列，預設使用當前列順序 注：有關時間序列的處理這篇部落格中暫時不寫，將在後續部落格中補充

柱狀圖

在生成線型圖的程式碼中加上kind='bar'或kind='barh'即可生成柱狀圖。這時，Series和DataFrame的索引將會被用作X或Y刻度

fig, axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(16),index=list('abcdefghijklmnop'))
data.plot(kind='bar',ax=axes[0],color='k',alpha=0.8,figsize=(8,10))
data.plot(kind='barh',ax=axes[1],color='k',alpha=0.8,figsize=(8,10))

df = pd.DataFrame(np.random.rand(6,4),index=['one','two','three','four','five','six'],columns=pd.Index(['A','B','C','D'],name='Genus'))
df

df.plot(kind='bar')

df.plot(kind='barh',stacked=True) # 設定stacked為True生成堆疊圖

注：柱狀圖可以利用value_counts圖形化顯示Series中各值出現的頻率

df.div(df.sum(1).astype(float),axis=0).plot(kind='barh',stacked=True)

直方圖和密度圖

直方圖是一種可以對值頻率進行離散化顯示的柱狀圖，。資料點被拆分到離散的、間隔均勻的面元中，繪製的時各面元中資料點的數量。

length = pd.DataFrame({'length': [10, 20,15,10,1,12,12,12,13,13,13,14,14,14,41,41,41,41,41,4,4,4,4]})
length.plot.hist()

與直方圖相關的一種圖表型別時密度圖，它是通過計算“可能會產生觀測資料的連續概率分佈的估計”而產生的。一般的過程是將該分佈近似為一組核（即諸如正態（高斯）分佈之類的較為簡單的分佈）。因此，密度圖也被稱作KDE圖，呼叫plot時加上kind='kde'即可生成一張密度圖（標準混合正態分佈）。

length.plot(kind='kde')

df4 = pd.DataFrame({'a': np.random.randn(1000) + 1, 'b': np.random.randn(1000), 'c': np.random.randn(1000) - 1}, index=range(1,1001), columns=['a', 'b', 'c'])#bins=20表示數值解析度，具體來說是將隨機數設定一個範圍，例如5.6，5.7，6.5，如果數值解析度越低，則會將三個數分到5-7之間，如果數值解析度越高，則會將5.6，5.7分到5-6之間，而6.5分到6-7之間；值越小表示解析度越低，值越大表示解析度越高；
df4.plot.hist(stacked=True, bins=20, alpha=0.5)

df4.diff().hist(color='k', alpha=0.5, bins=50) #可將DataFrame當中column分開

這兩種圖表常常會被畫在一起。直方圖以規格化形式給出（以便給出面元化密度），然後再在其上繪製核密度估計。

comp1 = np.random.normal(0,1,size=200)
comp2 = np.random.normal(10,2,size=200)
values = pd.Series(np.concatenate([comp1,comp2]))
values.hist(bins=100,alpha=0.3,color='k',normed=True)
values.plot(kind='kde')

散點圖

散點圖（scatter plot）是觀察兩個一維資料序列之間的關係的有效手段。matplotlib的scatter方法是繪製散點圖的主要方法。

df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])
df.plot.scatter(x='a', y='b') # 以a列為X軸數值，b列為Y軸數值繪製散點圖

如果想將不同的散點圖資訊繪製到一張圖片當中，需要利用不同的顏色和標籤進行區分

ax = df.plot.scatter(x='a', y='b', color='Blue', label='Group 1')
df.plot.scatter(x='c', y='d', color='Green', label='Group 2', ax=ax)

在探索式資料分析（EDA）工作中，同時觀察一組變數的散點圖是很有意義的，這也被稱為散點圖矩陣。

from sklearn.datasets import load_iris # 使用sklearn庫裡的iris資料集
iris_dataset = load_iris()
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(iris_dataset['data'],iris_dataset['target'],random_state=0)
iris_dataframe=pd.DataFrame(X_train,columns=iris_dataset.feature_names)
grr = pd.plotting.scatter_matrix(iris_dataframe,marker='o',c = y_train,hist_kwds={'bins':20},figsize=(12,10))

餅圖

餅圖展現的是百分比關係

series = pd.Series(4 * np.random.rand(4), index=['a', 'b', 'c', 'd'], name='series')
series.plot.pie(figsize=(6, 6))

對於DataFrame物件，每一個column都可獨立繪製一張餅圖，但需要利用subplots=True引數將，每個餅圖繪製到同一張圖中。 df = pd.DataFrame(3 * np.random.rand(4, 2), index=['a', 'b', 'c', 'd'], columns=['x', 'y']) df.plot.pie(subplots=True, figsize=(8, 4))

箱型圖（略）

由於箱型圖接觸不多，涉及內容較多且較為重要，後面會另寫一篇關於箱型圖的部落格

各種繪圖方式對於缺失值的處理

Missing values are dropped, left out, or filled depending on the plot type

圖表	處理方式
Plot Type	NaN Handling
Line	Leave gaps at NaNs
Line (stacked)	Fill 0’s
Bar	Fill 0’s
Scatter	Drop NaNs
Histogram	Drop NaNs (column-wise)
Box	Drop NaNs (column-wise)
Area	Fill 0’s
KDE	Drop NaNs (column-wise)
Hexbin	Drop NaNs
Pie	Fill 0’s

總結

上面是一些常用圖的畫法介紹，當然，我們還有很多可畫的圖如箱型圖、區域面積圖、等高線圖等等，也能利用 matplotlib 來繪製地圖，當然這些在這就暫時先不介紹了，以後需要了再一一補充。

參考

《利用python進行資料分析》第八章

https://blog.csdn.net/wangxingfan316/article/details/80033557

https://blog.csdn.net/genome_denovo/article/details/78322628

https://blog.csdn.net/Notzuonotdied/article/details/77876080