當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

手把手教你用Matplotlib进行数据可视化

發布時間：2025/3/15 编程问答 25 豆豆

生活随笔收集整理的這篇文章主要介紹了手把手教你用Matplotlib进行数据可视化小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

導讀：Matplotlib是建立在NumPy數組上的一個多平臺數據可視化庫。在2002年，約翰·亨特（John Hunter）提出Matplotlib，最初的構思是設計為IPython的一個補丁，以便能夠從命令行啟用交互式MATLAB樣式繪圖。

近幾年，更新、更炫酷的工具（例如，R語言中的ggplot和ggvis）層出不窮，最終取代了Matplotlib，可是Matplotlib仍然是一個經過良好測試的、非常重要的跨平臺圖形引擎。

作者：阿迪蒂亞·夏爾馬（Aditya Sharma）、維什韋什·拉維·什里馬利（Vishwesh Ravi Shrimali）、邁克爾·貝耶勒（Michael Beyeler）

來源：大數據DT（ID：hzdashuju）

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?？墒?#xff0c;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—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8×8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8×8=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8×8。

▲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?？墒?#xff0c;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-indexedsubplot_index?=?image_index?+?1plt.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

對于各種數據集，另一個很好的資源是本書作者邁克爾·貝耶勒的母校加州大學歐文分校的機器學習資源庫：

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

關于作者：阿迪蒂亞·夏爾馬（Aditya Sharma），羅伯特·博世（Robert Bosch）公司的一名高級工程師，致力于解決真實世界的自動計算機視覺問題。曾獲得羅伯特·博世公司2019年人工智能編程馬拉松的首名。

維什韋什·拉維·什里馬利（Vishwesh Ravi Shrimali），于2018年畢業于彼拉尼博拉理工學院（BITS Pilani）機械工程專業。此后一直在BigVision LLC從事深度學習和計算機視覺方面的工作，還參與了官方OpenCV課程的創建。

邁克爾·貝耶勒（Michael Beyeler），是華盛頓大學神經工程和數據科學的博士后研究員，致力于仿生視覺的計算模型研究，以為盲人植入人工視網膜（仿生眼睛），改善盲人的感知體驗。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。

本文摘編自《機器學習：使用OpenCV、Python和scikit-learn進行智能圖像處理（原書第2版）》，經出版方授權發布。

總結

以上是生活随笔為你收集整理的手把手教你用Matplotlib进行数据可视化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇：谁再问你“天天爬那些数据有什么用”，就把
下一篇：给2020划重点：最火的10个关键词和2