Python实操：手把手教你用Matplotlib把数据画出来
導讀：獲取數據之后，而不知道如何查看數據，用途還是有限的。幸好，我們有Matplotlib！
Matplotlib 是基于 NumPy 數組構建的多平臺數據可視化庫。它是John Hunter 在2002年構想的，原本的設計是給 IPython 打補丁，讓命令行中也可以有交互式的 MATLAB 風格的畫圖工具。
在近些年，已經出現了更新更好的工具最終替代了 Matplotlib（比如 R 語言中的ggplot和ggvis），?但 Matplotlib 依舊是一個經過良好測試的、跨平臺的圖形引擎。
作者：邁克爾·貝耶勒（Michael Beyeler）
如需轉載請聯系大數據（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，可能要訪問官網并從中獲取安裝說明：
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?[2]:?import?matplotlib.pyplot?as?plt
在本書中，plt接口會被頻繁使用。
02 生成一個簡單的繪圖
讓我們創建第一個繪圖。
假設想要畫出正弦函數sin(x)的線性圖。得到函數在x坐標軸上0≤x＜10內所有點的值。我們將使用 NumPy 中的 linspace 函數來在x坐標軸上創建一個從0到10的線性空間，以及100個采樣點：
In?[4]:?x?=?np.linspace(0,?10,?100)
可以使用 NumPy 中的sin函數得到所有x點的值，并通過調用plt中的plot函數把結果畫出來：
你親自嘗試了嗎？發生了什么嗎？有沒有什么東西出現？
實際情況是，取決于你在哪里運行腳本，可能無法看到任何東西。有下面幾種可能性：
1. 從.py腳本中繪圖
如果從一個腳本中運行 Matplotlib，需要加上下面的這行調用：
plt.show()
在腳本末尾調用這個函數，你的繪圖就會出現！
2. 從 IPython shell 中繪圖
這實際上是交互式地執行Matplotlib最方便的方式。為了讓繪圖出現，需要在啟動 IPython 后使用所謂的%matplotlib魔法命令。
Using?matplotlib?backend:?TkAgg
In?[2]:?import?matplotlib.pyplot?as?plt
接下來，無須每次調用plt.show()函數，所有的繪圖將會自動出現。
3. 從 Jupyter Notebook 中繪圖
如果你是從基于瀏覽器的 Jupyter Notebook 中看這段代碼，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：
在本書中，將會使用inline選項：
現在再次嘗試一下：
Out[7]:?[<matplotlib.lines.Line2D?at?0x7f3aac426eb8>]
上面的命令會得到下面的繪圖輸出結果：
▲使用 Matplotlib 繪制正弦函數圖像
如果想要把繪圖保存下來留作以后使用，可以直接在 IPython 或者 Jupyter Notebook 使用下面的命令保存：
僅需要確保你使用了支持的文件后綴，比如.jpg、.png、.tif、.svg、.eps或者.pdf。
Tips：可以在引入Matplotlib后通過運行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，可以運行plt.xkcd()，然后嘗試繪制一些別的圖形。
03 可視化外部數據集的數據
作為本章最后一個測試，讓我們對外部數據集進行可視化，比如scikit-learn中的數字數據集。
為此，需要三個可視化工具：
那么開始引入這些包吧：
...?????from?sklearn?import?datasets
...?????import?matplotlib.pyplot?as?plt
...?????%?matplotlib?inline
第一步是載入實際數據：
如果沒記錯的話，digits應該有兩個不同的數據域：data域包含了真正的圖像數據，target域包含了圖像的標簽。相對于相信我們的記憶，我們還是應該對digits稍加探索。輸入它的名字，添加一個點號，然后按Tab鍵：digits.<TAB>，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。
...?????print(digits.images.shape)
Out[3]:?(1797,?64)
...?????(1797,?8,?8)
兩種情況中，第一維對應的都是數據集中的圖像數量。然而，data中所有像素都在一個大的向量中排列，而images保留了各個圖像8×8的空間排列。
因此，如果想要繪制出一副單獨的圖像，使用images將更加合適。首先，使用NumPy的數組切片從數據集中獲取一幅圖像：
這里是從1797個元素的數組中獲取了它的第一行數據，這行數據對應的是8×8=64個像素。下面就可以使用plt中的imshow函數來繪制這幅圖像：
Out[5]:?<matplotlib.image.AxesImage?at?0x7efcd27f30f0>
上面的命令得到下面的輸出：
▲數字數據集中的一個圖像樣例
此外，這里也使用cmap參數指定了一個顏色映射。默認情況下，Matplotlib 使用MATLAB默認的顏色映射jet。然而，在灰度圖像的情況下，gray顏色映射更有效。
最后，可以使用plt的subplot函數繪制全部數字的樣例。subplot函數與MATLAB中的函數一樣，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 循環在數據集中迭代出前十張圖像，每張圖像都分配到一個單獨的子繪圖中。
...?????????#?圖像按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')
這會得到下面的輸出結果：
▲數字數據集中的十幅樣例圖像
Tips：另一個擁有各種數據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
關于作者：Michael Beyeler，華盛頓大學神經工程和數據科學專業的博士后，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。 他的工作屬于神經科學、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項目的積極貢獻者。?
本文摘編自《機器學習：使用OpenCV和Python進行智能圖像處理》，經出版方授權發布。
延伸閱讀《機器學習》
點擊上圖了解及購買
轉載請聯系微信：DoctorData
推薦語：OpenCV是一個綜合了經典和先進計算機視覺、機器學習算法的開源庫。通過與Python Anaconda版本結合，你就可以獲取你所需要的所有開源計算庫。 本書首先介紹分類和回歸等統計學習的基本概念，然后詳細講解決策樹、支持向量機和貝葉斯網絡等算法，以及如何把它們與其他OpenCV函數結合。
據統計，99%的大咖都完成了這個神操作
▼
更多精彩
在公眾號后臺對話框輸入以下關鍵詞
查看更多優質內容！
PPT?|?報告?|?讀書?|?書單?|?干貨?
大數據?|?揭秘?|?Python?|?可視化
AI?|?人工智能?|?5G?|?區塊鏈
機器學習?|?深度學習?|?神經網絡
1024?|?段子?|?數學?|?高考
猜你想看
有關華為、5G、芯片和操作系統，這些書你讀過幾本？
什么是數據？數據科學家需要掌握哪些技能？終于有人講明白了
你為什么選擇Python？4000名用戶提到了這些原因
回顧計算機產業發展的4個階段：美國企業統治全球市場了嗎？
Q:?你在用哪些可視化工具？
歡迎留言與大家分享
覺得不錯，請把這篇文章分享給你的朋友
轉載 / 投稿請聯系：baiyu@hzbook.com
更多精彩，請在后臺點擊“歷史文章”查看
點擊閱讀原文，了解更多
總結
以上是生活随笔為你收集整理的Python实操：手把手教你用Matplotlib把数据画出来的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 月薪15k起，想进入这个行业有哪些书值得
- 下一篇： 辞旧迎新，胖了几斤？数据告诉你，这种东西