原創2016-08-06Jamal Moir編程派

編程派微信號：codingpy

看完此文如果覺得不錯，不妨點擊文末廣告支持一下

昨天推出的免費贈書活動還在進行，首先感謝大家的積極參與！看了眼前五的朋友，比剛開始時的變化還是挺大的啊，昨天沒看到的朋友不要錯過了哦。傳送門 --》?福利 | 推薦一本美亞排名第一的Python入門教材。

回到今天這篇文章，主題是 Python 庫中大名鼎鼎的繪圖圖 Matplotlib 。當初我也是受了這個庫的吸引，開始學習 Python 的。給大家看幾張用 Matplotlib 生成的圖：（首圖也是用 Matplotlib 繪制的）

本文的原作者是 Jamal Moir，是 Python 科學計算系列的第一篇文章，或許有人已經翻譯過了，但我覺得我們 Python 翻譯組的譯文質量還是不錯的。希望對喜歡 Python 的各位朋友有幫助。

本文譯者 linkmyth，校對 EarlGrey@編程派。linkmyth 是同濟大學的在讀碩士，主攻web開發、機器學習等方向。

以下是原文正文：

---

數據的處理、分析和可視化已經成為 Python 近年來最重要的應用之一。這種現象又進一步引出“大數據”分析等類似的話題，而大數據分析在人們所能預見的諸多領域內都有廣泛應用，這其中就包含筆者個人感興趣的機器學習。

Python 在處理數據、分析數據以及數據可視化方面擁有很多功能強大的工具，這也是 Python 在科學領域中能夠迅速發展的一個主要原因。

在接下來的一系列文章中，我們將介紹 Python 科學計算中涉及的主要的庫，并且學習如何使用它們處理數據以滿足我們的需求。但是我們并非只是停留在快速寫出模板代碼來使用這些庫的層面上，我們還會了解這些庫背后的數學知識，以幫助我們更好地理解庫的運行原理。

首先，我們將從一個功能非常強大的庫 Matplotlib 開始介紹，在后面的文章中也會一直用到這個庫。

什么是 Matplotlib?

簡單來說，Matplotlib 是 Python 的一個繪圖庫。它包含了大量的工具，你可以使用這些工具創建各種圖形，包括簡單的散點圖，正弦曲線，甚至是三維圖形。Python 科學計算社區經常使用它完成數據可視化的工作。

你可以在他們的網站上了解到更多 Matplotlib 背后的設計思想，但是我強烈建議你先瀏覽一下他們的圖庫，體會一下這個庫的各種神奇功能。

畫一個簡單的圖形

首先我們要畫一條在 [0, 2pi] 上的正弦曲線。讀者應該會注意到我們在這里使用了 Numpy 庫，但是即便你沒有使用過這個庫也不用擔心，在后面的文章中我們也會介紹到 Numpy 庫。

import matplotlib.pyplot as plt
import numpy as np

以上這些就是我們將要用到的導入模塊。在我的上一篇文章(以及另一篇文章)中都提到過?from x import *?是一種糟糕的導入方式。我們不想在程序里重復書寫?matplotlib.pyplot?和?numpy，這種書寫方式過于冗長，因此我們采用了上面的折中寫法。

# 簡單的繪圖

x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x))
# 如果沒有第一個參數 x，圖形的 x 坐標默認為數組的索引

plt.show() # 顯示圖形

上面的代碼將畫出一個簡單的正弦曲線。np.linspace(0, 2 * np.pi, 50)?這段代碼將會生成一個包含 50 個元素的數組，這 50 個元素均勻的分布在 [0, 2pi] 的區間上。

plot?命令以一種簡潔優雅的方式創建了圖形。提醒一下，如果沒有第一個參數 x，圖形的 x 軸坐標將不再是 0 到 2pi，而應該是數組的索引范圍。

最后一行代碼?`plt.show()?將圖形顯示出來，如果沒有這行代碼圖像就不會顯示。

運行代碼后應該會類似得到下面的圖形：

在一張圖上繪制兩個數據集

大多數時候讀者可能更想在一張圖上繪制多個數據集。用 Matplotlib 也可以輕松實現這一點。

x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x),x, np.sin(2 * x)) plt.show()

上面的代碼同時繪制了表示函數 sin(x) 和 sin(2x) 的圖形。這段代碼和前面繪制一個數據集的代碼幾乎完全相同，只有一點例外，這段代碼在調用?plt.plot()?的時候多傳入了一個數據集，并用逗號與第一個數據集分隔開。

最后你會得到類似于下面包含兩條曲線的圖形：

自定義圖形的外觀

當在同一個圖形上展示多個數據集時，通過改變線條的外觀來區分不同的數據集變得非常必要。

# 自定義曲線的外觀

x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x), 'r-o',x, np.cos(x), 'g--') plt.show()

上述代碼展示了兩種不同的曲線樣式：'r-o'?和?'g--'。字母 ‘r’ 和 ‘g’ 代表線條的顏色，后面的符號代表線和點標記的類型。例如?'-o'?代表包含實心點標記的實線，'--'?代表虛線。其他的參數需要讀者自己去嘗試，這也是學習 Matplotlib 最好的方式。

顏色：
藍色 - ‘b’
綠色 - ‘g’
紅色 - ‘r’
青色 - ‘c’
品紅 - ‘m’
黃色 - ‘y’
黑色 - ‘k’（’b’代表藍色，所以這里用黑色的最后一個字母）
白色 - ‘w’

線：
直線 - ‘-‘
虛線 - ‘—‘
點線 - ‘:’
點劃線 - ‘-.’

常用點標記
點 - ‘.’
像素 - ‘,’
圓 - ‘o’
方形 - ‘s’
三角形 - ‘^’
更多點標記樣式點擊這里

最后你會得到類似下面的圖形：

使用子圖

使用子圖可以在一個窗口繪制多張圖。

# 使用子圖

x = np.linspace(0, 2 * np.pi, 50) plt.subplot(2, 1, 1) # （行，列，活躍區）

plt.plot(x, np.sin(x), 'r') plt.subplot(2, 1, 2) plt.plot(x, np.cos(x), 'g') plt.show()

使用子圖只需要一個額外的步驟，就可以像前面的例子一樣繪制數據集。即在調用?plot()?函數之前需要先調用?subplot()?函數。該函數的第一個參數代表子圖的總行數，第二個參數代表子圖的總列數，第三個參數代表活躍區域。

活躍區域代表當前子圖所在繪圖區域，繪圖區域是按從左至右，從上至下的順序編號。例如在 4×4 的方格上，活躍區域 6 在方格上的坐標為 (2, 2)。

最終你會得到類似下面的圖形：

簡單的散點圖

散點圖是一堆離散點的集合。用 Matplotlib 畫散點圖也同樣非常簡單。

# 簡單的散點圖

x = np.linspace(0, 2 * np.pi, 50) y = np.sin(x) plt.scatter(x,y) plt.show()

正如上面代碼所示，你只需要調用?scatter()?函數并傳入兩個分別代表 x 坐標和 y 坐標的數組。注意，我們通過?plot?命令并將線的樣式設置為?'bo'?也可以實現同樣的效果。

最后你會得到類似下面的無線圖形：

彩色映射散點圖

另一種你可能用到的圖形是彩色映射散點圖。這里我們會根據數據的大小給每個點賦予不同的顏色和大小，并在圖中添加一個顏色欄。

# 彩色映射散點圖

x = np.random.rand(1000) y = np.random.rand(1000) size = np.random.rand(1000) * 50

colour = np.random.rand(1000) plt.scatter(x, y, size, colour) plt.colorbar() plt.show()

上面的代碼大量的用到了?np.random.rand(1000)，原因是我們繪圖的數據都是隨機產生的。

同前面一樣我們用到了?scatter()?函數，但是這次我們傳入了另外的兩個參數，分別為所繪點的大小和顏色。通過這種方式使得圖上點的大小和顏色根據數據的大小產生變化。

然后我們用?colorbar()?函數添加了一個顏色欄。

最后你會得到類似于下面的彩色散點圖：

直方圖

直方圖是另一種常見的圖形，也可以通過幾行代碼創建出來。

# 直方圖

x = np.random.randn(1000) plt.hist(x, 50) plt.show()

直方圖是 Matplotlib 中最簡單的圖形之一。你只需要給?hist()?函數傳入一個包含數據的數組。第二個參數代表數據容器的個數。數據容器代表不同的值的間隔，并用來包含我們的數據。數據容器越多，圖形上的數據條就越多。

最終你會得到類似下面的直方圖：

標題，標簽和圖例

當需要快速創建圖形時，你可能不需要為圖形添加標簽。但是當構建需要展示的圖形時，你就需要添加標題，標簽和圖例。

# 添加標題，坐標軸標記和圖例

x = np.linspace(0, 2 * np.pi, 50) plt.plot(x, np.sin(x), 'r-x', label='Sin(x)') plt.plot(x, np.cos(x), 'g-^', label='Cos(x)') plt.legend() # 展示圖例

plt.xlabel('Rads') # 給 x 軸添加標簽

plt.ylabel('Amplitude') # 給 y 軸添加標簽

plt.title('Sin and Cos Waves') # 添加圖形標題

plt.show()

為了給圖形添加圖例，我們需要在?plot()?函數中添加命名參數?'label'?并賦予該參數相應的標簽。然后調用?legend()?函數就會在我們的圖形中添加圖例。

接下來我們只需要調用函數?title()，xlabel()?和?ylabel()?就可以為圖形添加標題和標簽。

你會得到類似于下面這張擁有標題、標簽和圖例的圖形：

以上內容應該足夠幫助讀者開始使用 Matplotlib 和 Python 實現數據可視化，但是這些內容并不全面。我強烈建議讀者親自嘗試使用這個工具，筆者也是通過這種方式掌握了這個工具。畫一些圖形，改變樣式并使用子圖功能，然后你就會很快掌握 Matplotlib 的使用方式。

這是一篇是關于如何使用 Matplotlib 和 Python 完成數據可視化的文章，也是 Python 科學計算系列文章中的第一篇。我希望讀者能從中有所收獲，并且對 Matplotlib 庫更加熟悉。

不要忘記分享和關注

請記得分享這篇文章讓更多的人看到它！另外，記得訂閱這個博客的郵件列表，關注我的Twitter并在Google+上添加我，這樣你就不會錯過任何有價值的文章！

我會閱讀所有的評論，所以無論你有什么想要說的，或者是想要分享的，甚至是問題之類的，都可以在下面留言。

歡迎轉發至朋友圈。如無特殊注明，本公號所發文章均為原創或編譯，如需轉載，請聯系「編程派」獲得授權。

加群交流 Python 技術問題，請先閱讀群規（點擊藍色字體），然后加編程派主頁君為好友并說明愿意遵守群規。

【近期優秀教程推薦】

踐行這5條原則，構建優秀的Python包

好用！在 Notebook 中使用 Sublime Text 快捷鍵

如何測試代碼覆蓋率：coverage.py 簡介

Jupyter Notebook 快速入門（上）

Jupyter Notebook 快速入門（下）

掃碼關注編程派，獲取最新教程及資源推送

↓↓↓ 點擊閱讀原文，查看更多Python教程?

↓↓↓ 另外，歡迎點擊廣告，你的每次點擊都會成為以后的活動福利基金

總結

以上是生活随笔為你收集整理的Matplotlib 快速入门的全部內容，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。