（點選上方公眾號，可快速關註）

來源：強波的技術部落格

qiangbo.space/2018-04-06/matplotlib_l1/

Matplotlib是一個Python語言的2D繪相簿，它支援各種平臺，並且功能強大，能夠輕易繪製出各種專業的影象。本文是對它的一個入門教程。

執行環境

由於這是一個Python語言的軟體包，因此需要你的機器上首先安裝好Python語言的環境。關於這一點，請自行在網路上搜索獲取方法。

關於如何安裝Matplotlib請參見這裡：Matplotlib Installing。

筆者推薦大家透過pip的方式進行安裝，具體方法如下：

sudo pip3 install matplotlib

本文的程式碼在如下環境中測試：

• Apple OS X 10.13

• Python 3.6.3

• matplotlib 2.1.1

• numpy 1.13.3

介紹

Matplotlib適用於各種環境，包括：

• Python指令碼

• IPython shell

• Jupyter notebook

• Web應用伺服器

• 使用者圖形介面工具包

使用Matplotlib，能夠的輕易生成各種型別的影象，例如：直方圖，波譜圖，條形圖，散點圖等。並且，可以非常輕鬆的實現定製。

入門程式碼示例

下麵我們先看一個最簡單的程式碼示例，讓我們感受一下Matplotlib是什麼樣的：

# test.py

 

import matplotlib.pyplot as plt

import numpy as np

 

data = np.arange(100, 201)

plt.plot(data)

plt.show()

這段程式碼的主體邏輯只有三行，但是它卻繪製出了一個非常直觀的線性圖，如下所示：

對照著這個線形圖，我們來講解一下三行程式碼的邏輯：

1. 透過np.arange(100, 201)生成一個[100, 200]之間的整數陣列，它的值是：[100, 101, 102, … , 200]

2. 透過matplotlib.pyplot將其繪製出來。很顯然，繪製出來的值對應了圖中的縱坐標（y軸）。而matplotlib本身為我們設定了圖形的橫坐標（x軸）：[0, 100]，因為我們剛好有100個數值

3. 透過plt.show()將這個圖形顯示出來

這段程式碼非常的簡單，執行起來也是一樣。如果你已經有了本文的執行環境，將上面的程式碼儲存到一個文字檔案中（或者透過Github獲取本文的原始碼），然後透過下麵的命令就可以在你自己的電腦上看到上面的圖形了:

python3 test.py

 

註1：後面的教程中，我們會逐步講解如何定製圖中的每一個細節。例如：坐標軸，圖形，著色，線條樣式，等等。

註2：如果沒有必要，下文的截圖會去掉圖形外側的邊框，只保留圖形主體。

一次繪製多個圖形

有些時候，我們可能希望一次繪製多個圖形，例如：兩組資料的對比，或者一組資料的不同展示方式等。

可以透過下麵的方法建立多個圖形：

多個figure

可以簡單的理解為一個figure就是一個圖形視窗。matplotlib.pyplot會有一個預設的figure，我們也可以透過plt.figure()建立更多個。如下麵的程式碼所示：

# figure.py

 

import matplotlib.pyplot as plt

import numpy as np

 

data = np.arange(100, 201)

plt.plot(data)

 

data2 = np.arange(200, 301)

plt.figure()

plt.plot(data2)

 

plt.show()

這段程式碼繪製了兩個視窗的圖形，它們各自是一個不同區間的線形圖，如下所示：

註：初始狀態這兩個視窗是完全重合的。

多個subplot

有些情況下，我們是希望在同一個視窗顯示多個圖形。此時就這可以用多個subplot。下麵是一段程式碼示例：

# subplot.py

 

import matplotlib.pyplot as plt

import numpy as np

 

data = np.arange(100, 201)

plt.subplot(2, 1, 1)

plt.plot(data)

 

data2 = np.arange(200, 301)

plt.subplot(2, 1, 2)

plt.plot(data2)

 

plt.show()

這段程式碼中，除了subplot函式之外都是我們熟悉的內容。subplot函式的前兩個引數指定了subplot數量，即：它們是以矩陣的形式來分割當前圖形，兩個整數分別指定了矩陣的行數和列數。而第三個引數是指矩陣中的索引。

因此，下麵這行程式碼指的是：2行1列subplot中的第1個subplot。

plt.subplot(2, 1, 1)

 

下麵這行程式碼指的是：2行1列subplot中的第2個subplot。

plt.subplot(2, 1, 2)

 

所以這段程式碼的結果是這個樣子：

subplot函式的引數不僅僅支援上面這種形式，還可以將三個整數（10之內的）合併一個整數。例如：2, 1, 1可以寫成211，2, 1, 2可以寫成212。

因此，下麵這段程式碼的結果是一樣的：

import matplotlib.pyplot as plt

import numpy as np

 

data = np.arange(100, 201)

plt.subplot(211)

plt.plot(data)

 

data2 = np.arange(200, 301)

plt.subplot(212)

plt.plot(data2)

 

plt.show()

subplot函式的詳細說明參見這裡：matplotlib.pyplot.subplot

常用圖形示例

Matplotlib可以生成非常多的圖形式樣，多到令人驚嘆的地步。大家可以在這裡：Matplotlib Gallery 感受一下。

本文作為第一次的入門教程，我們先來看看最常用的一些圖形的繪製。

線性圖

前面的例子中，線性圖的橫軸的點都是自動生成的，而我們很可能希望主動設定它。另外，線條我們可能也希望對其進行定製。看一下下麵這個例子：

# plot.py

 

import matplotlib.pyplot as plt

 

plt.plot([1, 2, 3], [3, 6, 9], ‘-r’)

plt.plot([1, 2, 3], [2, 4, 9], ‘:g’)

 

plt.show()

這段程式碼可以讓我們得到這樣的圖形：

這段程式碼說明如下：

1. plot函式的第一個陣列是橫軸的值，第二個陣列是縱軸的值，所以它們一個是直線，一個是折線；

2. 最後一個引數是由兩個字元構成的，分別是線條的樣式和顏色。前者是紅色的直線，後者是綠色的點線。關於樣式和顏色的說明請參見plot函式的API Doc：matplotlib.pyplot.plot

散點圖

scatter函式用來繪製散點圖。同樣，這個函式也需要兩組配對的資料指定x和y軸的坐標。下麵是一段程式碼示例：

# scatter.py

 

import matplotlib.pyplot as plt

import numpy as np

 

N = 20

 

plt.scatter(np.random.rand(N) * 100,

            np.random.rand(N) * 100,

            c=‘r’, s=100, alpha=0.5)

 

plt.scatter(np.random.rand(N) * 100,

            np.random.rand(N) * 100,

            c=‘g’, s=200, alpha=0.5)

 

plt.scatter(np.random.rand(N) * 100,

            np.random.rand(N) * 100,

            c=‘b’, s=300, alpha=0.5)

 

plt.show()

這段程式碼說明如下：

1. 這幅圖包含了三組資料，每組資料都包含了20個隨機坐標的位置

2. 引數c表示點的顏色，s是點的大小，alpha是透明度

這段程式碼繪製的圖形如下所示：

scatter函式的詳細說明參見這裡：matplotlib.pyplot.scatter

餅狀圖

pie函式用來繪製餅狀圖。餅狀圖通常用來表達集合中各個部分的百分比。

# pie.py

 

import matplotlib.pyplot as plt

import numpy as np

 

labels = [‘Mon’, ‘Tue’, ‘Wed’, ‘Thu’, ‘Fri’, ‘Sat’, ‘Sun’]

 

data = np.random.rand(7) * 100

 

plt.pie(data, labels=labels, autopct=‘%1.1f%%’)

plt.axis(‘equal’)

plt.legend()

 

plt.show()

這段程式碼說明如下：

1. data是一組包含7個資料的隨機數值

2. 圖中的標簽透過labels來指定

3. autopct指定了數值的精度格式

4. plt.axis(‘equal’)設定了坐標軸大小一致

5. plt.legend()指明要繪製圖例（見下圖的右上角）

這段程式碼輸出的圖形如下所示：

pie函式的詳細說明參見這裡：matplotlib.pyplot.pie

條形圖

bar函式用來繪製條形圖。條形圖常常用來描述一組資料的對比情況，例如：一週七天，每天的城市車流量。

下麵是一個程式碼示例：

# bar.py

 

import matplotlib.pyplot as plt

import numpy as np

 

N = 7

 

x = np.arange(N)

data = np.random.randint(low=0, high=100, size=N)

colors = np.random.rand(N * 3).reshape(N, –1)

labels = [‘Mon’, ‘Tue’, ‘Wed’, ‘Thu’, ‘Fri’, ‘Sat’, ‘Sun’]

 

plt.title(“Weekday Data”)

plt.bar(x, data, alpha=0.8, color=colors, tick_label=labels)

plt.show()

這段程式碼說明如下：

1. 這幅圖展示了一組包含7個隨機數值的結果，每個數值是[0, 100]的隨機數

2. 它們的顏色也是透過隨機數生成的。np.random.rand(N * 3).reshape(N, -1)表示先生成21（N x 3）個隨機數，然後將它們組裝成7行，那麼每行就是三個數，這對應了顏色的三個組成部分。如果不理解這行程式碼，請先學習一下Python 機器學習庫 NumPy 教程

3. title指定了圖形的標題，labels指定了標簽，alpha是透明度

這段程式碼輸出的圖形如下所示：

bar函式的詳細說明參見這裡：matplotlib.pyplot.bar

直方圖

hist函式用來繪製直方圖。直方圖看起來是條形圖有些類似。但它們的含義是不一樣的，直方圖描述了資料中某個範圍內資料出現的頻度。這麼說有些抽象，我們透過一個程式碼示例來描述就好理解了：

# hist.py

 

import matplotlib.pyplot as plt

import numpy as np

 

data = [np.random.randint(0, n, n) for n in [3000, 4000, 5000]]

labels = [‘3K’, ‘4K’, ‘5K’]

bins = [0, 100, 500, 1000, 2000, 3000, 4000, 5000]

 

plt.hist(data, bins=bins, label=labels)

plt.legend()

 

plt.show()

上面這段程式碼中，[np.random.randint(0, n, n) for n in [3000, 4000, 5000]]生成了包含了三個陣列的陣列，這其中：

• 第一個陣列包含了3000個隨機數，這些隨機數的範圍是 [0, 3000)

• 第二個陣列包含了4000個隨機數，這些隨機數的範圍是 [0, 4000)

• 第三個陣列包含了5000個隨機數，這些隨機數的範圍是 [0, 5000)

bins陣列用來指定我們顯示的直方圖的邊界，即：[0, 100) 會有一個資料點，[100, 500)會有一個資料點，以此類推。所以最終結果一共會顯示7個資料點。同樣的，我們指定了標簽和圖例。

這段程式碼的輸出如下圖所示：

在這幅圖中，我們看到，三組資料在3000以下都有資料，並且頻度是差不多的。但藍色條只有3000以下的資料，橙色條只有4000以下的資料。這與我們的隨機陣列資料剛好吻合。

hist函式的詳細說明參見這裡：matplotlib.pyplot.hist

結束語

透過本文，我們已經知道了Matplotlib的大致使用方法和幾種最基本的圖形的繪製方式。

需要說明的是，由於是入門教程，因此本文中我們只給出了這些函式和圖形最基本的使用方法。但實際上，它們的功能遠不止這麼簡單。因此本文中我們貼出了這些函式的API地址以便讀者進一步的研究。

看完本文有收穫？請轉發分享給更多人

關註「資料分析與開發」，提升資料技能