05 `Matplotlib` 資料視覺化¶

簡介¶

到今天, matplotlib 幾乎是標準 Python 畫圖套件了! 在有 matplotlib 之前, Python 要畫圖不那麼方便, 和 Python 很多套件一樣, 有許多方案, 但各家有不同的優缺點, 也沒有一套是大家都在用的。

而 matplotlib 仿 Matlab 式的畫圖方式, 讓很多人很快入手、並且功能相當完整。原作者是 John D. Hunter, 和很多 Python 的套件作者一樣, 他有博士學位。非常令人遺憾的是他在 2012 年因大腸直腸癌治療併發症過逝, 過逝時才 44 歲!

他在過逝前不久, 還被邀請到 SciPy 研討會的 Keynote, 回去之後就被檢查出有大腸直腸癌。因此這部影片大概就是他最後一次的 Keynote, 時間是 2012 年 7 月 18 日 (他在同年 8 月 28 日過逝)。

In [1]:

from IPython.display import YouTubeVideo
YouTubeVideo('e3lTby5RI54')

Out[1]:

1. 標準設定¶

我們之前使用過, 這裡只是複習。

In [2]:

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt

先來設個 x 的範圍

In [3]:

x = np.linspace(0, 10, 200)

In [4]:

y = np.sin(5*x) / (1+x**2)

In [5]:

plt.plot(x,y)

Out[5]:

[<matplotlib.lines.Line2D at 0x1146965f8>]

2. 基本的修飾¶

參數	說明
`alpha`	透明度
`color` (`c`)	顏色
`linestyle` (`ls`)	線條風格
`linewidth` (`lw`)	線寬

In [6]:

plt.plot(x,y, c='r', lw=3)

Out[6]:

[<matplotlib.lines.Line2D at 0x1146c7b00>]

顏色表示法 1¶

c = 'r'

可以用 blue (b), green (g), red (r), cyan (c), magenta (m), yellow (y), black (k), white (w)

顏色表示法 2¶

用一個 0 到 1 的數字表灰階, 越大越白。

c = '0.6'

顏色表示法 3¶

網頁常用的標準 16 進位 RGB 表示法。

c = '#00a676'

我們怎知哪裡可選顏色呢? 可以用之前彥良介紹的 Coolors.co 等。

顏色表示法 4¶

用 0-1 的數字表 RGB 也可以。

c=(0.7, 0.4, 1)

In [7]:

plt.plot(x,y, c = '#00a676', lw=3)

Out[7]:

[<matplotlib.lines.Line2D at 0x1148d7860>]

3. Marker¶

所謂 'marker' 就是原來的點, 我們特別標示出來, 為了不要讓圖形太複雜, 我們新換個點比較少的例子。

In [8]:

x = range(20)
y = np.random.randn(20)

In [9]:

plt.plot(x,y)

Out[9]:

[<matplotlib.lines.Line2D at 0x11496c0b8>]

In [10]:

plt.plot(x, y, marker='o')

Out[10]:

[<matplotlib.lines.Line2D at 0x114a36a90>]

marker 可以設的參數¶

參數	說明
`marker`	marker 的風格
`markeredgecolor` (`mec`)	邊線顏色
`markeredgewidth` (`mew`)	邊線寬度
`markerfacecolor` (`mfc`)	marker 的顏色
`markerfacecoloralt` (`mfcalt`)	marker 替換色
`markersize` (`ms`)	marker 大小
`markevery`	隔多少畫一個 marker

In [11]:

plt.plot(x, y, c='#6b8fb4', lw=5, marker='o', mfc='#fffa7c', mec="#084c61", mew=3, ms=20)

Out[11]:

[<matplotlib.lines.Line2D at 0x114b493c8>]

比較奇特的參數是 markevery, 這是說我們每多少筆資料要畫一個 marker。為了示範, 我們拿之前的例子來看看。

In [12]:

x = np.linspace(0, 10, 200)
y = np.sin(5*x) / (1+x**2)
plt.plot(x, y, lw=3, marker='o', ms=10)

Out[12]:

[<matplotlib.lines.Line2D at 0x114c55f60>]

後面的完完全全連在一起了, 我們現在隔 10 個畫一個 marker 試試。

In [13]:

plt.plot(x, y, lw=3, marker='o', ms=10, markevery=10)

Out[13]:

[<matplotlib.lines.Line2D at 0x114d63518>]

4. bar 風¶

In [14]:

plt.bar(range(1,6), np.random.randint(1,30,5))

Out[14]:

<Container object of 5 artists>

移一點點。

In [15]:

plt.bar(np.arange(0.6, 5), np.random.randint(1,30,5))

Out[15]:

<Container object of 5 artists>

雙色的長條圖¶

In [16]:

x = np.arange(1,6)
plt.bar(x - 0.4, [3, 10, 8, 12, 6], width=0.4, ec='none', fc='#e63946')
plt.bar(x, [6, 3, 12, 5, 8], width=0.4, ec='none', fc='#7fb069')

Out[16]:

<Container object of 5 artists>

疊加型的資料¶

In [17]:

A = np.random.randint(2,15,5)
B = np.random.randint(2,15,5)
C = np.random.randint(2,15,5)
plt.bar(x, A, fc='#e63946', ec='none')
plt.bar(x, B, fc='#7fb069', ec='none', bottom = A)
plt.bar(x, C, fc='#e55934', ec='none', bottom = A+B)

Out[17]:

<Container object of 5 artists>

橫放的長條圖¶

In [18]:

x = np.arange(0.6, 6)
plt.barh(x, np.random.randint(1,15,6), fc='#e55934', ec='none')

Out[18]:

<Container object of 6 artists>

雙向的長條圖¶

In [19]:

x = np.arange(0.6,6)
A = np.random.randint(1,15,6)
B = np.random.randint(1,15,6)
plt.barh(x, A, fc='#e63946', ec='none')
plt.barh(x, -B, fc='#7fb069', ec='none')

Out[19]:

<Container object of 6 artists>

5. `subplot` 畫多個圖¶

我們每次畫圖的時候, matplotlib 就弄 1 個 figure 畫圖區出來, 裡面可以有很多子圖, 在 figure 裡叫 axes。目前我們都只有 1 個 figure 內含 1 張圖, 所以都不用設, 現在我想畫 4 張圖時。我們就要先想好「陣式」。

比如說 2x2 這樣排列的 4 張圖。

In [20]:

x = np.linspace(0, 10, 100)

plt.subplot(221)
plt.plot(x, np.sin(x), c='#e63946', lw=3)

plt.subplot(222)
plt.plot(x, np.sin(3*x), c='#7fb069', lw=3)

plt.subplot(223)
plt.scatter(x, np.random.randn(100), c='#daa73e', s=50, alpha=0.5)

plt.subplot(224)
plt.bar(range(10), np.random.randint(1,30,10), fc='#e55934')

Out[20]:

<Container object of 10 artists>

5. 畫圖區的設定¶

說明文字的標示¶

In [21]:

x = np.linspace(-2*np.pi, 2*np.pi, 200)
y = np.sin(x)

In [22]:

plt.title("My lovely sin function")
plt.xlabel('x-axes')
plt.ylabel('values')
plt.plot(x, y, lw=3)

Out[22]:

[<matplotlib.lines.Line2D at 0x11540b5f8>]

邊界的設定¶

In [23]:

plt.xlim(-6,6)
plt.ylim(-1.2,1.2)
plt.plot(x,y,lw=3)

Out[23]:

[<matplotlib.lines.Line2D at 0x1155330b8>]

xticks¶

In [24]:

xv = np.linspace(0, 2*np.pi, 100)
yv = np.sin(xv)
plt.plot(xv,yv,lw=3)
plt.xticks([0, np.pi/2, np.pi, 3*np.pi/2, 2*np.pi],
          ['$0$', '$\pi/2$', '$-\pi$', '$-3\pi/2$', '$-2\pi$']);

圖例 legend¶

In [25]:

plt.xlim(-6,6)
plt.ylim(-1.2,1.2)
plt.plot(x, y, lw=3, label='$\sin$')
plt.plot(x, np.cos(x), lw=3, label='$\cos$')
plt.legend()

Out[25]:

<matplotlib.legend.Legend at 0x115bf8a90>

In [26]:

plt.xlim(-6,6)
plt.ylim(-1.2,1.2)
plt.plot(x, y, lw=3, label='$\sin$')
plt.plot(x, np.cos(x), lw=3, label='$\cos$')
plt.legend(loc=4)

Out[26]:

<matplotlib.legend.Legend at 0x115d55c18>

6. 取得現在工作中 axes¶

我們有時要設 axes 的背景啦等等的資訊。這時就要取得現在工作中的 axes。這一般有兩種方式, 第一種是設 subplot 時可以取得:

fig, ax = plt.subplot()

另一種是用 gca 函數:

ax = plt.gca()

In [27]:

ax = plt.gca()
ax.set_facecolor('#69b8bb')
ax.set_xlim(-6,6)
ax.set_ylim(-1.2,1.2)
plt.plot(x,y,lw=5,c='white')

Out[27]:

[<matplotlib.lines.Line2D at 0x115cc77f0>]

移動 x, y 座標軸¶

In [28]:

ax = plt.gca()
ax.set_facecolor('#69b8bb')
ax.set_xlim(-6,6)
ax.set_ylim(-1.2,1.2)

ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))

plt.plot(x,y,lw=5,c='white')

Out[28]:

[<matplotlib.lines.Line2D at 0x115ee0e80>]

7. 中文顯示問題¶

這裡用兩種方式去解決中文顯示問題。

方法 1: 定義使用字型¶

你需要有字型完整路徑, 這很容易成功, 只是每次都要指定使用的字型。

In [29]:

import matplotlib.font_manager as fm
myfont = fm.FontProperties(fname="/Users/mac/Library/Fonts/NotoSansHant-Medium.otf")

In [30]:

x = np.linspace(-2*np.pi, 2*np.pi, 200)
y = np.sin(x)

In [31]:

plt.plot(x, y, lw=5)
plt.title("我可愛的 sin 函數", fontproperties=myfont, size=20)

Out[31]:

<matplotlib.text.Text at 0x11605bf60>

方法 2: 完完全全改過來¶

再來我們可以用 matplotlib 的參數設定, rcParams, 把字型完完全全用某個中文字型。

In [32]:

plt.rcParams['font.sans-serif'] = ['SimHei'] # 選個普通的黑體字
plt.rcParams['axes.unicode_minus']=False # 負號不出問題

In [33]:

plt.plot(x, y, lw=5)
plt.title("我可愛的 sin 函數", size=15) # 不用再設字型!

Out[33]:

<matplotlib.text.Text at 0x115afa048>

8. 如果畫個參數式圖形¶

其實參數式圖形基本上也是一堆 x, y 的座標, 只是 x(t), y(t) 都是 t 的函數, 我們可以想成 t 是時間。

比如說如果你還記得極座標這件事, 假設我們的

$$ -2\pi \leq t \leq 2\pi$$

要畫個半徑是 r 的圓, x(t), y(t) 就是這樣:

$x(t) = r\cos(t)$
$y(t) = r\sin(t)$

我們來試試事情是不是如我們想的這樣...

In [34]:

r = 3
t = np.linspace(-2*np.pi, 2*np.pi, 200)

In [35]:

x = r*np.cos(t)
y = r*np.sin(t)

In [36]:

plt.plot(x, y, lw=3)

Out[36]:

[<matplotlib.lines.Line2D at 0x11611e9b0>]

真的成功了... 等等, matplotlib 怎麼畫成橢圓呢? 我們來調整一下。

In [37]:

ax = plt.gca()
ax.set_aspect('equal')

plt.plot(x, y, lw=3)

Out[37]:

[<matplotlib.lines.Line2D at 0x116128550>]

再來我們可以想一下, 如果 r 不是故定的呢? 也就是它會變長變短, 是不是會畫出很多特別的圖呢? 其實很多特別的曲線不過就是找個試合的 r(t), 我們來隨意試試看。

In [38]:

r = np.sin(5*t)
x = r*np.cos(t)
y = r*np.sin(t)

ax = plt.gca()
ax.set_aspect('equal')

plt.plot(x,y,lw=3)

Out[38]:

[<matplotlib.lines.Line2D at 0x115dc1080>]

是不是很有意思呢? 你也可以自己試試不同的變化。

9. 耍寶可愛的 `xkcd`¶

In [39]:

with plt.xkcd():
    x = np.linspace(-5, 5, 200)
    y = np.sin(2*x) + 0.2*x
    plt.plot(x,y)

附註 1¶

其實我們如果大膽用

plt.xkcd()

之後畫圖完全就是 xkcd 風了。那為什為我們不這樣做呢? 因為你也許用到某個階段就想換回來, 不像上面的只影響一次。如果你真的直接用 plt.xkcd() 又想再換回原來風格, 可以再下

plt.rcdefaults()

附註 2¶

嚴格說來, 剛剛我有點在騙你。原因是 Jupyter Notebook 有點調整 matplotlib 預設, 讓圖的大小比較適中。你要真的回到原先設定, 需要先存你的狀態, 用完 xkcd 風再回覆。所以在設 xkcd 時是這樣:

save_state = plt.rcParams.copy()
plt.xkcd()

然後就畫圖, 你會發現怎麼畫都是可愛 xkcd 風。再要回來時, 請把剛剛存的狀態讀回來,

plt.rcParams.update(save_state)

再畫圖就回覆原狀了!!

In [40]:

save_state = plt.rcParams.copy()

In [41]:

plt.xkcd()

Out[41]:

<matplotlib.rc_context at 0x115d6e908>

In [42]:

plt.plot(x,y)

Out[42]:

[<matplotlib.lines.Line2D at 0x1162e0be0>]

In [43]:

plt.rcParams.update(save_state)

In [44]:

plt.plot(x,y)

Out[44]:

[<matplotlib.lines.Line2D at 0x1163ed8d0>]

附註 3¶

對了, 為什麼叫 xkcd 呢? 其實是 Randall Munroe 畫的網路漫畫, 選個沒有什麼意思、沒有母音的字組出來的名字。Munroe 是唸物理出身, 曾在 NASA 工作過, 後來專心畫 xkcd, 還有出一本科普的書《如果這樣, 會怎樣?》非常奇特的科學問答書。

他畫的 xkcd 有一篇很常被 Python 社群引用:

原作品連結: http://xkcd.com/353/

10. `seaborn` 大救星¶

雖然 matplotlib 幾乎什麼都可以調, 但有些簡單的調整卻要花費很多時間。於是有了許多可以協助 matplotlib 變美、變方便的套件出現。最近有個很有名的叫 seaborn, 儼然有另一個標準套件的態式。

最重要的是 seaborn 和我們未來要介紹的 pandas 配合得非常好, 雖然熊貓和海生的聽來就沒什麼關係...

我們先來個標準 (又來標準縮寫) 讀入 seaborn 的方法。

In [45]:

import seaborn as sns

然後像平常畫個圖。

In [46]:

x = np.linspace(-10,10,200)
y = np.sinc(x)

plt.plot(x,y)

Out[46]:

[<matplotlib.lines.Line2D at 0x11a9ffa58>]

傑克, 這真是太神奇了!

總之, 你根本就直接用原來 matplotlib 的指令, 馬上 seaborn 就會幫你美化。當然我們還是可以做更多的控制, 詳情請參考

seaborn 的網站

05 Matplotlib 資料視覺化¶

簡介¶