Python實操：手把手教你用Matplotlib把資料畫出來

作者：邁克爾·貝耶勒（Michael Beyeler）

如需轉載請聯絡大資料（ID：hzdashuju）

01 引入 Matplotlib

如果已安裝Anaconda Python版本，就已經安裝好了可以使用的 Matplotlib。否則，可能要訪問官網並從中獲取安裝說明：

http://matplotlib.org

正如使用np作為 NumPy 的縮寫，我們將使用一些標準的縮寫來表示 Matplotlib 的引入：

In [1]: import matplotlib as mpl
In [2]: import matplotlib.pyplot as plt

在本書中，plt介面會被頻繁使用。

02 生成一個簡單的繪圖

讓我們建立第一個繪圖。

假設想要畫出正弦函式sin(x)的線性圖。得到函式在x坐標軸上0≤x＜10內所有點的值。我們將使用 NumPy 中的 linspace 函式來在x坐標軸上建立一個從0到10的線性空間，以及100個取樣點：

In [3]: import numpy as np
In [4]: x = np.linspace(0, 10, 100)

可以使用 NumPy 中的sin函式得到所有x點的值，並透過呼叫plt中的plot函式把結果畫出來：

In [5]: plt.plot(x, np.sin(x))

你親自嘗試了嗎？發生了什麼嗎？有沒有什麼東西出現？

實際情況是，取決於你在哪裡執行指令碼，可能無法看到任何東西。有下麵幾種可能性：

1. 從.py指令碼中繪圖

如果從一個指令碼中執行 Matplotlib，需要加上下麵的這行呼叫：

plt.show()

在指令碼末尾呼叫這個函式，你的繪圖就會出現！

2. 從 IPython shell 中繪圖

這實際上是互動式地執行Matplotlib最方便的方式。為了讓繪圖出現，需要在啟動 IPython 後使用所謂的%matplotlib魔法命令。

In [1]: %matplotlib
Using matplotlib backend: TkAgg
In [2]: import matplotlib.pyplot as plt

接下來，無須每次呼叫plt.show()函式，所有的繪圖將會自動出現。

3. 從 Jupyter Notebook 中繪圖

如果你是從基於瀏覽器的 Jupyter Notebook 中看這段程式碼，需要使用同樣的%matplotlib魔法命令。然而，也可以直接在notebook中嵌入圖形，這會有兩種輸出選項：

• %matplotlib notebook 將會把互動式的繪圖嵌入到notebook中

• %matplotlib inline 將會把繪圖的靜態影象嵌入到notebook中

在本書中，將會使用inline選項：

In [6]: %matplotlib inline

現在再次嘗試一下：

In [7]: plt.plot(x, np.sin(x))
Out[7]: [0x7f3aac426eb8>]

上面的命令會得到下麵的繪圖輸出結果：

▲使用 Matplotlib 繪製正弦函式影象

如果想要把繪圖儲存下來留作以後使用，可以直接在 IPython 或者 Jupyter Notebook 使用下麵的命令儲存：

In [8]: plt.savefig('figures/02.03-sine.png')

僅需要確保你使用了支援的檔案字尾，比如.jpg、.png、.tif、.svg、.eps或者.pdf。

Tips：可以在引入Matplotlib後透過執行plt.style.use(style_name)來修改繪圖的風格。所有可用的風格在plt.style.available中列出。比如，嘗試使用plt.style.use(‘fivethirtyeight’)、plt.style.use(‘ggplot’)或者plt.style.use(‘seaborn-dark’)。為了更好玩，可以執行plt.xkcd()，然後嘗試繪製一些別的圖形。

03 視覺化外部資料集的資料

作為本章最後一個測試，讓我們對外部資料集進行視覺化，比如scikit-learn中的數字資料集。

為此，需要三個視覺化工具：

• scikit-learn用於獲取實際資料

• NumPy 用於資料再加工

• Matplotlib

那麼開始引入這些包吧：

In [1]: import numpy as np
...     from sklearn import datasets
...     import matplotlib.pyplot as plt
...     % matplotlib inline

第一步是載入實際資料：

In [2]: digits = datasets.load_digits()

如果沒記錯的話，digits應該有兩個不同的資料域：data域包含了真正的影象資料，target域包含了影象的標簽。相對於相信我們的記憶，我們還是應該對digits稍加探索。輸入它的名字，新增一個點號，然後按Tab鍵：digits.，這個操作將向我們展示digits也包含了一些其他的域，比如一個名為images的域。images和data這兩個域，似乎簡單從形狀上就可以區分。

In [3]: print(digits.data.shape)
...     print(digits.images.shape)
Out[3]: (1797, 64)
...     (1797, 8, 8)

兩種情況中，第一維對應的都是資料集中的影象數量。然而，data中所有畫素都在一個大的向量中排列，而images保留了各個影象8×8的空間排列。

因此，如果想要繪製出一副單獨的影象，使用images將更加合適。首先，使用NumPy的陣列切片從資料集中獲取一幅影象：

In [4]: img = digits.images[0, :, :]

這裡是從1797個元素的陣列中獲取了它的第一行資料，這行資料對應的是8×8=64個畫素。下麵就可以使用plt中的imshow函式來繪製這幅影象：

In [5]: plt.imshow(img, cmap='gray')
Out[5]: 0x7efcd27f30f0>

上面的命令得到下麵的輸出：

▲數字資料集中的一個影象樣例

此外，這裡也使用cmap引數指定了一個顏色對映。預設情況下，Matplotlib 使用MATLAB預設的顏色對映jet。然而，在灰度影象的情況下，gray顏色對映更有效。

最後，可以使用plt的subplot函式繪製全部數字的樣例。subplot函式與MATLAB中的函式一樣，需要指定行數、列數以及當前的子繪圖索引（從1開始計算）。我們將使用for 迴圈在資料集中迭代出前十張影象，每張影象都分配到一個單獨的子繪圖中。

In [6]: for image_index in range(10):
...         # 影象按0開始索引，子繪圖按1開始索引
...         subplot_index = image_index + 1
...         plt.subplot(2, 5, subplot_index)
...         plt.imshow(digits.images[image_index, :, :], cmap='gray')

這會得到下麵的輸出結果：

▲數字資料集中的十幅樣例影象

Tips：另一個擁有各種資料集資源的是我的母校——加利福尼亞大學歐文分校的機器學習倉庫：

http://archive.ics.uci.edu/ml

關於作者：Michael Beyeler，華盛頓大學神經工程和資料科學專業的博士後，主攻仿生視覺計算模型，用以為盲人植入人工視網膜（仿生眼睛），改善盲人的視覺體驗。 他的工作屬於神經科學、計算機工程、計算機視覺和機器學習的交叉領域。同時他也是多個開源專案的積極貢獻者。 

本文摘編自《機器學習：使用OpenCV和Python進行智慧影象處理》，經出版方授權釋出。

延伸閱讀《機器學習》