【机器学习基础】前置知识（五）：30分钟掌握常用Matplotlib用法
生活随笔
收集整理的這篇文章主要介紹了
【机器学习基础】前置知识（五）：30分钟掌握常用Matplotlib用法
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
Matplotlib 是建立在NumPy基礎之上的Python繪圖庫，是在機器學習中用于數據可視化的工具。
我們在前面的文章講過NumPy的用法，這里我們就不展開討論NumPy的相關知識了。
Matplotlib具有很強的工具屬性，也就是說它只是為我所用的，我們不必花太多的精力去精進它。我們只需要知道它可以做哪些事，可以繪制哪些圖形，有一個印象就足夠了。我們在實際使用中用什么拿什么，我們用到了自然就熟練了，用不到的功能也就說明它對你沒什么用。
這就是按需學習(Learn on Demand)?。這點我在《如何成為十倍速程序員》里提到過類似的理念。
一、Matplotlib常見用法
1. 繪制簡單圖像
我們以機器學習中最常見的激活函數sigmoid舉例，我們來繪制它。
import?matplotlib.pyplot?as?plt import?numpy?as?np x?=?np.linspace(-10,10,1000) y?=?1?/?(1?+?np.exp(-x)) plt.plot(x,y) plt.show()其中sigmoid的公式為：?
?plot()方法展示變量間的趨勢，show()方法展示圖像。
我們得到如圖所示圖像：
2. 添加常用元素
我們添加一些參考元素，各函數的解釋我在代碼中進行了詳細的標注。
x?=?np.linspace(-10,10,1000)#寫入公式 y?=?1?/?(1?+?np.exp(-x))#x軸范圍限制 plt.xlim(-5,5)#y軸范圍限制 plt.ylim(-0.2,1.2)#x軸添加標簽 plt.xlabel("X?axis")#y軸添加標簽 plt.ylabel("Y?axis")#標題 plt.title("sigmoid?function")#設置網格，途中紅色虛線 plt.grid(linestyle=":",?color?="red")#設置水平參考線 plt.axhline(y=0.5,?color="green",?linestyle="--",?linewidth=2)#設置垂直參考線 plt.axvline(x=0.0,?color="green",?linestyle="--",?linewidth=2)#繪制曲線 plt.plot(x,y)#保存圖像 plt.savefig("./sigmoid.png",format='png',?dpi=300)以上代碼包含了限制X、Y軸范圍，添加標題和標簽，設置網格，添加參考線，保存圖像等內容。
繪制圖像如下：
3. 繪制多曲線
#生成均勻分布的1000個數值 x?=?np.linspace(-10,10,1000)#寫入sigmoid公式 y?=?1?/?(1?+?np.exp(-x)) z?=?x**2 plt.xlim(-2,2) plt.ylim(0,1)#繪制sigmoid plt.plot(x,y,color='#E0BF1D',linestyle='-',?label?="sigmoid")#繪制y=x*x plt.plot(x,z,color='purple',linestyle='-.',?label?=?"y=x*x")#繪制legend，即下圖角落的圖例 plt.legend(loc="upper?left")#展示 plt.show()繪制多圖像直接調用多個plot()即可。注意：如果不調用legend()方法，不會繪制左上角的legend（圖例）。其中color參數支持hex表示。
4. 認識figure(畫布)
首先我們認識figure(畫布)，比如legend我們在上文中提到過，是線條標簽的展示。grid所圈住的虛線是網格參考線。Title/x axislabel等文本標簽。這張圖有助于我們對figure有一個直觀的理解。
5. 繪制多圖像
一個figure是可以對應多個plot的，現在我們試著在一個figure上繪制多圖像。
x?=?np.linspace(-2*np.pi,?2*np.pi,?400) y?=?np.sin(x**2) z?=?1?/?(1?+?np.exp(-x)) a?=?np.random.randint(0,100,400) b?=?np.maximum(x,0.1*x)#創建兩行兩列的子圖像 fig,?ax_list?=?plt.subplots(nrows=2,?ncols=2)#?'r-'其中r表示color=red，-表示linestyle='-' ax_list[0][0].plot(x,y,'r-') ax_list[0][0].title.set_text('sin')ax_list[0][1].scatter(x,a,s=1) ax_list[0][1].title.set_text('scatter')ax_list[1][0].plot(x,b,'b-.') ax_list[1][0].title.set_text('leaky?relu')ax_list[1][1].plot(x,z,'g') ax_list[1][1].title.set_text('sigmoid')#調整子圖像的布局 fig.subplots_adjust(wspace=0.9,hspace=0.5) fig.suptitle("Figure?graphs",fontsize=16)其中，最關鍵的是subplots方法，生成2行2列的子圖像，然后我們調用ax_list中的各繪圖方法。其中'r-'，'b-.'參數為繪圖的縮寫寫法，本文后續參數縮寫段落會單獨講解。
6. 繪制常用圖
我們常用圖來表示數據之間的關系，常見的圖包括直方圖、柱狀圖、餅圖、散點圖等等。
#使繪圖支持中文 plt.rcParams['font.sans-serif']=['Microsoft?YaHei'] #創建兩行兩列的子圖像 fig,?[[ax1,ax2],[ax3,ax4],[ax5,ax6]]?=?plt.subplots(nrows=3,?ncols=2,figsize=(8,8))#繪制柱狀圖bar value?=?(2,?3,?4,?1,?2) index?=?np.arange(5) ax1.bar(index,?value,alpha=0.4,?color='b') ax1.set_xlabel('Group') ax1.set_ylabel('Scores') ax1.set_title('柱狀圖')#繪制直方圖histogram h?=?100?+?15?*?np.random.randn(437) ax2.hist(h,?bins=50) ax2.title.set_text('直方圖')#繪制餅圖pie labels?=?'Frogs',?'Cai',?'Yongji',?'Logs' sizes?=?[15,?30,?45,?10] explode?=?(0,?0.1,?0,?0) ax3.pie(sizes,?explode=explode,?labels=labels,?autopct='%1.1f%%',shadow=True,?startangle=90) ax3.axis('equal')??#?Equal?aspect?ratio?ensures?that?pie?is?drawn?as?a?circle. ax3.title.set_text('餅圖')#繪制棉棒圖stem x?=?np.linspace(0.5,?2*np.pi,?20) y?=?np.random.randn(20) ax4.stem(x,y,?linefmt="-.",?markerfmt="o",?basefmt='-') ax4.set_title("棉棒圖")#繪制氣泡圖scatter a?=?np.random.randn(100) b?=?np.random.randn(100) ax5.scatter(a,?b,?s=np.power(2*a+4*b,2),?c=np.random.rand(100),?cmap=plt.cm.RdYlBu,?marker="o")#繪制極線圖polar fig.delaxes(ax6)ax6?=?fig.add_subplot(236,?projection='polar') #ax6?=?fig.add_subplot(2,3,6,?projection='polar')#2行，3列，第6個圖 r?=?np.arange(0,?2,?0.01) theta?=?2?*?np.pi?*?r ax6.plot(theta,?r) ax6.set_rmax(2) ax6.set_rticks([0.5,?1,?1.5,?2])??#?Less?radial?ticks ax6.set_rlabel_position(-22.5)??#?Move?radial?labels?away?from?plotted?line ax6.grid(True)#調整子圖像的布局 fig.subplots_adjust(wspace=1,hspace=1.2) fig.suptitle("圖形繪制",fontsize=16)繪制圖像如下：
7. 參數簡寫
因為matplotlib支持參數的縮寫，所以我認為有必要單獨拿出來講一講各參數縮寫的表示。
x?=?np.linspace(-10,10,20) y?=?1?/?(1?+?np.exp(-x)) plt.plot(x,y,c='k',ls='-',lw=5,?label?="sigmoid",?marker="o",?ms=15,?mfc='r') plt.legend()繪制圖像如下：
7.1 c代表color(顏色)
| ‘b’ | blue |
| ‘g’ | green |
| ‘r’ | red |
| ‘c’ | cyan |
| ‘m’ | magenta |
| ‘y’ | yellow |
| ‘k’ | black |
| ‘w’ | white |
7.2 ls代表linestyle(線條樣式)
| '-' | solid line style |
| '--' | dashed line style |
| '-.' | dash-dot line style |
| ':' | dotted line style |
| '.' | point marker |
| ',' | pixel marker |
| 'o' | circle marker |
| 'v' | triangle_down marker |
| '^' | triangle_up marker |
| '<' | triangle_left marker |
| '>' | triangle_right marker |
| '1' | tri_down marker |
| '2' | tri_up marker |
| '3' | tri_left marker |
| '4' | tri_right marker |
| 's' | square marker |
| 'p' | pentagon marker |
| '*' | star marker |
| 'h' | hexagon1 marker |
| 'H' | hexagon2 marker |
| '+' | plus marker |
| 'x' | x marker |
| 'D' | diamond marker |
| 'd' | thin_diamond marker |
| '|' | vline marker |
| '_' | hline marker |
7.3 marker(記號樣式)
記號樣式展示如下：
7.4 其他縮寫
lw代表linewidth(線條寬度)，如：lw=2.5
ms代表markersize（記號尺寸），如：ms=5
mfc代表markerfacecolor（記號顏色），如：mfc='red'
二、Matplotlib進階用法
1. 添加文本注釋
我們可以在畫布(figure)上添加文本、箭頭等標注，來讓圖像表述更清晰準確。
我們通過調用annotate方法來繪制注釋。
繪制圖像如下：
2. 繪制3D圖像
繪制3D圖像需要導入Axes3D庫。
from?mpl_toolkits.mplot3d?import?Axes3D import?matplotlib.pyplot?as?plt from?matplotlib?import?cm from?matplotlib.ticker?import?LinearLocator,?FormatStrFormatter import?numpy?as?npfig?=?plt.figure(figsize=(15,15)) ax?=?fig.gca(projection='3d')#?Make?data. X?=?np.arange(-5,?5,?0.25) Y?=?np.arange(-5,?5,?0.25) X,?Y?=?np.meshgrid(X,?Y) R?=?np.sqrt(X**2?+?Y**2) Z?=?np.sin(R)#?Plot?the?surface. surf?=?ax.plot_surface(X,?Y,?Z,?cmap=cm.coolwarm,linewidth=0,?antialiased=False)#?Customize?the?z?axis. ax.set_zlim(-1.01,?1.01) ax.zaxis.set_major_locator(LinearLocator(10)) ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))#?Add?a?color?bar?which?maps?values?to?colors. fig.colorbar(surf,?shrink=0.5,?aspect=5)其中cmap意為colormap，用來繪制顏色分布、漸變色等。cmap通常配合colorbar使用，來繪制圖像的顏色欄。
3. 導入圖像（加州房價）
引入mpimg庫，來導入圖像。
我們以美國加州房價數據為例，導入加州房價數據繪制散點圖，同時導入加州地圖圖片，查看地圖經緯度對應房價的數據。同時使用顏色欄，繪制熱度圖像。
代碼如下：
繪制圖像如下：
紅色昂貴，藍色便宜，圓圈大小表示人口多少
4. 繪制等高線
等高線對于在二維空間內繪制三維圖像很有用。
def?f(x,?y):return?np.sin(x)?**?10?+?np.cos(10?+?y?*?x)?*?np.cos(x)x?=?np.linspace(0,?5,?50) y?=?np.linspace(0,?5,?40)X,?Y?=?np.meshgrid(x,?y) Z?=?f(X,?Y) plt.contourf(X,?Y,?Z,?20,?cmap='RdGy') plt.colorbar()繪制圖像如下：
黑色地方是峰，紅色地方是谷。
繪制動畫
繪制動畫需要引入animation庫，通過調用FuncAnimation方法來實現繪制動畫。
import?numpy?as?np from?matplotlib?import?pyplot?as?plt from?matplotlib?import?animationfig?=?plt.figure() ax?=?plt.axes(xlim=(0,?2),?ylim=(-2,?2)) line,?=?ax.plot([],?[],?lw=2)#?初始化方法 def?init():line.set_data([],?[])return?line,#?數據更新方法，周期性調用 def?animate(i):x?=?np.linspace(0,?2,?1000)y?=?np.sin(2?*?np.pi?*?(x?-?0.01?*?i))line.set_data(x,?y)return?line,#繪制動畫，frames幀數，interval周期行調用animate方法 anim?=?animation.FuncAnimation(fig,?animate,?init_func=init,frames=200,?interval=20,?blit=True) anim.save('ccccc.gif',?fps=30)plt.show()上述代碼中anim.save()方法支持保存mp4格式文件。
繪制動圖如下：
結語
到此，前置機器學習系列就結束了，我們已經為上手機器學習做足了準備。
往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯 本站知識星球“黃博的機器學習圈子”（92416895） 本站qq群704220115。 加入微信群請掃碼：總結
以上是生活随笔為你收集整理的【机器学习基础】前置知识（五）：30分钟掌握常用Matplotlib用法的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 网易邮箱大师如何屏蔽邮件 屏蔽垃圾邮件的
- 下一篇： Edge浏览器怎么打开开发者模式