怎么用Matplotlib進行數據可視化

這篇文章給大家分享的是有關怎么用Matplotlib進行數據可視化的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

01 導入Matplotlib

如果你安裝了完整的Python Anaconda，那么你已經安裝了Matplotlib，可以開始了。否則，你可能要訪問官網獲取安裝說明。

http://matplotlib.org

就像我們用縮寫np來表示NumPy一樣，我們也會用一些標準的縮寫來表示Matplotlib導入：

import matplotlib as mpl

import matplotlib.pyplot as plt

plt是我們最常用的一個接口。

02 生成一個簡單的圖形

言歸正傳，讓我們創建第一個圖形。

假設我們要繪制正弦函數sin(x)的一個簡單線圖。我們希望函數求x軸（0≤x≤10）上的所有值。我們將使用NumPy的linspace函數在x軸上創建一個線性空間，x值從0到10，共100個樣本點：

import numpy as np

x = np.linspace(0, 10, 100)

我們可以使用NumPy的sin函數求sin函數的所有x值，并通過調用plt的plot函數可視化結果：

plt.plot(x, np.sin(x))

你親自試過了嗎？發生什么了？有什么發現嗎？

問題是，這取決于你在何處運行這個腳本，你可能什么都看不到。以下是可以考慮的可能性：

1. 從.py腳本繪圖

如果你正從一個腳本運行matplotlib，那么你只需要調用plt，如下所示：

plt.show()

調用后，圖形就會顯示出來！

2. 從IPython shell繪圖

這實際上是以交互方式運行matplotlib的最便捷的方式之一。要顯示繪圖，你需要在啟動IPython之后，調用%matplotlib魔術命令：

%matplotlib  Using matplotlib backend: Qt5Agg

import matplotlib.pyplot as plt

然后，所有圖都會自動顯示出來，不必每次都調用plt.show()。

3. 從Jupyter Notebook繪圖

如果你從基于瀏覽器的Jupyter Notebook上查看這段代碼，你需要使用同樣的%matplotlib魔術命令。可是，你還可以選擇將圖形直接嵌入notebook中，這有兩種可能的結果：

•  %matplotlib notebook將生成的交互式圖嵌入notebook中。

•  %matplotlib inline將生成的靜態圖嵌入notebook中。

我們通常會選擇內聯選項：

%matplotlib inline

現在，讓我們再試一次：

plt.plot(x, np.sin(x))

上述命令給出的輸出如圖2-4所示。

▲圖2-4 應用內聯選項生成的圖

稍后，如果你想保存圖表，可以直接從IPython或Jupyter Notebook的選項中保存：

plt.savefig('figures/02.03-sine.png')

只要保證使用所支持的文件后綴即可，例如.jpg、.png、.tif、.svg、.eps或者.pdf。

在導入matplotlib之后，運行plt.style.use(style_name)，你可以更改繪圖的樣式。在plt.style.available中列出了所有可用的樣式。例如，試試plt.style.use('fivethirtyeight')、plt.style.use('ggplot')或者plt.style.use('seaborn-dark')。為了增加樂趣，可以運行plt.xkcd()，再嘗試繪制其他內容。

03 可視化外部數據集的數據

作為本文的最后一個測試，讓我們可視化一些來自外部數據集的數據，例如scikit-learn的digits數據集。

具體來說，我們將需要3個可視化工具：

•  用于實際數據的scikit-learn

•  用于數據處理的NumPy

•  Matplotlib

首先，讓我們導入所有這些可視化工具：

import numpy as np  from sklearn import datasets  import matplotlib.pyplot as plt  %matplotlib inline

第一步是實際加載數據：

digits = datasets.load_digits()

如果我們沒有記錯的話，digits應該有2個不同的字段：一個是data字段，包含實際的圖像數據；另一個是target字段，包含圖像標簽。

與其相信我們的記憶，不如讓我們研究一下digits對象。這通過輸入字段名稱、添加句點、再按下Tab鍵&mdash;digits.<TAB>來實現。這會顯示出digits對象還包含了一些其他字段，例如一個名為images的字段。images和data這2個字段似乎只是形狀不同：

print(digits.data.shape)  print(digits.images.shape)

輸出結果：

(1797, 64)  (1797, 8, 8)

在這兩個例子中，第一維都對應于數據集中的圖像數。但是data將所有像素排列在一個大的向量中，而images則保留了每個圖像的8&times;8空間排列。

因此，如果我們想繪制單張圖像，images字段可能更合適。首先，使用NumPy的數組切割，從數據集中抓取一張圖像：

img = digits.images[0, :, :]

這里，我們說想要抓取長為1797項的數組中的第一行，以及所有對應的8&times;8=64個像素。然后，我們可以使用plt的imshow函數繪制圖像：

plt.imshow(img, cmap='gray')  plt.savefig('figures/02.04-digit0.png')

上述命令給出的輸出如圖2-5所示。請注意，圖像是模糊的，因為我們將該圖像調整到了更大的尺寸。原始圖像的大小只有8&times;8。

▲圖2-5 生成單張圖像的示例結果

此外，我們還可以使用cmap參數指定一個彩圖。在默認情況下，Matplotlib使用MATLAB的默認彩圖jet。可是，對于灰度圖像，gray彩圖更有意義。

最后，我們可以利用plt的subplot函數繪制一組數字樣本。subplot函數與在MATLAB中一樣，我們指定行數、列數以及當前子圖的索引（從1開始）。我們將使用一個for循環遍歷數據集中的前10個圖像，每個圖像都有自己的子圖：

plt.figure(figsize=(14, 4))  for image_index in range(10):      # images are 0-indexed, subplots are 1-indexed      subplot_index = image_index + 1      plt.subplot(2, 5, subplot_index)      plt.imshow(digits.images[image_index, :, :], cmap='gray')

生成的輸出如圖2-6所示。

▲圖2-6 生成包含10個數字的一組子圖

感謝各位的閱讀！關于“怎么用Matplotlib進行數據可視化”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！