《數(shù)據(jù)可視化技術(shù)》課件-第9章 Matplotlib可視化

第9章Matplotlib可視化學(xué)習(xí)目標(biāo)

Matplotlib基礎(chǔ)

Matplotlib常見(jiàn)圖表

Matplotlib的3D圖形和多子圖22025/2/199.1.1Numpy基礎(chǔ)功能1、文件的輸入和輸出2、創(chuàng)建數(shù)組3、查看變量屬性4、復(fù)制、排序和維度變化5、添加、刪除元素32025/2/191文件的輸入和輸出文件的輸入和輸出功能1、np.loadtxt(‘file.txt’)讀取file.txt文件2、np.loadtxt(‘file.txt’,delimiter=‘\t’,dtype=str,encoding=‘utf-8’)讀取中文文件，delimiter表示字符串的分割符是'\t'，dtype=str表示輸入文本的類型是字符串，encoding='utf-8'表示中文編碼是utf-8。3、np.genfromtxt(‘file.csv’,delimiter=‘,’,dtype=str,encoding=‘utf-8‘)讀取file.csv文件，分隔符是','，dtype=str表示輸入文本的類型是字符串，encoding='utf-8'表示中文編碼是utf-8。42025/2/191文件的輸入和輸出4、np.savetxt(‘file.txt’,arr,delimiter=‘,’)將arr數(shù)組存儲(chǔ)為file.txt文件。5、np.savetxt(‘file.csv’,arr,delimiter=‘,‘)將arr數(shù)組存儲(chǔ)為file.csv文件，其中字符串的分隔符為“,”。6、Numpy支持npy文件，npy文件與Matlab的mat文件相似，是Numpy支持的數(shù)據(jù)文件，load(‘file.npy’)載入file.npy文件。7、save(file,arr,allow_pickle,fix_imports)將arr數(shù)組保存為file.npy文件，allow_pickle表示采用序列化的存儲(chǔ)方式。52025/2/192創(chuàng)建數(shù)組1、np.array()創(chuàng)建ndarray數(shù)組。np.array([1,2,3])可以創(chuàng)建一維數(shù)組，np.array([(1,2,3),(4,5,6)])創(chuàng)建二維數(shù)組，np.array([1,2,3,4,5,6],ndmin=3)創(chuàng)建一個(gè)三維數(shù)組。2、np.zeros()創(chuàng)建指定大小的數(shù)組，數(shù)組中的所有元素為0。order=’C’表示用于C語(yǔ)言的行數(shù)組，order=’F’表示用于Fortran語(yǔ)言的列數(shù)組。np.zeros(3)創(chuàng)建一個(gè)含有3個(gè)0元素的數(shù)組。3、np.ones()用于創(chuàng)建數(shù)組元素為1的指定形狀的數(shù)組。np.ones((3,4))創(chuàng)建一個(gè)3行4列的數(shù)組。62025/2/192創(chuàng)建數(shù)組4、np.linspace(start,stop,num)用于創(chuàng)建一個(gè)一維數(shù)組。數(shù)組是一個(gè)等差數(shù)列序列，start是序列的起始值，stop是序列的終止值，num是生成的等步長(zhǎng)的樣本數(shù)量。5、np.arange(start,stop,step,dtype)從數(shù)值范圍創(chuàng)建數(shù)組，其中start是起始值，默認(rèn)為0，stop為終止值（不包含），step是步長(zhǎng)，默認(rèn)為1，dtype返回ndarray的數(shù)據(jù)類型。6、np.eye(n,m,k,dtype,order)創(chuàng)建一個(gè)2維的對(duì)角矩陣，n是對(duì)角矩陣的行，m是對(duì)角矩陣的列，m默認(rèn)與n相等，k是對(duì)角線的索引，np.eye(3,3)創(chuàng)建一個(gè)3行3列的對(duì)角矩陣。對(duì)角線的起始下標(biāo)是1，而不是標(biāo)準(zhǔn)對(duì)角矩陣的0。72025/2/192創(chuàng)建數(shù)組7、np.full(shape,fill_value,dtype,order)創(chuàng)建一個(gè)給定行、列的填充矩陣，填充值是fill_value，np.full((2,3),8)產(chǎn)生一個(gè)2行3列的數(shù)組，填充值是8。8、np.random.rand(d0,d1,...,dn)創(chuàng)建一個(gè)N維的隨機(jī)數(shù)組，d0是第一個(gè)維度，d1是第二個(gè)維度，dn是第n個(gè)維度，隨機(jī)數(shù)是[0,1)均勻分布的抽樣。np.random.rand(4,5)產(chǎn)生4行5列隨機(jī)數(shù)組，數(shù)組元素值是[0,1)均勻分布的抽樣。9、numpy.random.randint(low,high,size,dtype)創(chuàng)建離散均勻分布的整數(shù)，整數(shù)值大于等于low，小于high。np.random.randint(5,size=(2,3))產(chǎn)生一個(gè)2行3列的隨機(jī)整數(shù)數(shù)組，數(shù)組元素值在0~4之間。82025/2/193查看變量屬性1、ndarray.size返回?cái)?shù)組的元素個(gè)數(shù)，np.array([1,2,3,4,5,6]),有6個(gè)元素。2、ndarray.shape返回?cái)?shù)組的形狀，即ndarray的行、列數(shù)。3、ndarray.dtype返回ndarray數(shù)組元素的類型。4、ndarray.astype(dtype)將數(shù)組的元素類型轉(zhuǎn)換為dtype類型，x=x.astype(float)將x由int32類型變量轉(zhuǎn)化為float類型變量。5、ndarray.tolist()將數(shù)組轉(zhuǎn)換為Python列表，x=x.tolist()將x由ndarray數(shù)組轉(zhuǎn)化為Python的列表變量。92025/2/194復(fù)制、排序和維度變化1、np.copy(ndarray)復(fù)制ndarray數(shù)組。2、ndarray.view(dtype)使用不同的數(shù)據(jù)類型構(gòu)造數(shù)組的內(nèi)存視圖。3、arr.sort(axis)對(duì)arr的特定軸axis進(jìn)行排序。4、arr.flatten()將二維數(shù)組arr轉(zhuǎn)換為一維數(shù)組。5、arr.T表示對(duì)數(shù)組arr進(jìn)行轉(zhuǎn)置。6、arr.reshape(row,col)將數(shù)組arr進(jìn)行變形。7、ndarray.resize(new_shape,refcheck=True)將數(shù)組重新調(diào)整行和列。102025/2/195添加、刪除元素1、np.append(arr,values)在arr數(shù)組的尾部添加values。2、np.insert(arr,obj,values,axis=None)在數(shù)組指定的下標(biāo)處插入新的元素，如x=np.array([1,2,3])，np.insert(x,2,4)后，x返回值為array([1,2,4,3])，即4被插入到x變量索引為2的位置。3、np.delete(arr,obj,axis)表示刪除元素，如x=array([[1,2],[4,5]])，np.delete(x,1,axis=0)刪除行索引為1的行，x的返回值為array([[1,2]])，np.delete(x,1,axis=1)刪除列索引為1的列，x的返回值為array([[1],[4]])。112025/2/199.1.2Numpy高級(jí)功能1、變量合并、分割2、索引、切片和子集3、標(biāo)量運(yùn)算4、向量運(yùn)算5、統(tǒng)計(jì)122025/2/191變量合并、分割1、np.concatenate((a1,a2,...),axis,out)對(duì)a1、a2多個(gè)數(shù)組進(jìn)行合并，其中合并的方向可以是按照行進(jìn)行合并，或者按照列進(jìn)行合并。2、np.split(ary,indices_or_sections,axis)將一個(gè)數(shù)組分割為多個(gè)子數(shù)組，其中ary是要分割的數(shù)組，axis=0按行分割，axis=1表示按照列分割。indices_or_sections為N時(shí)，表示將數(shù)組分割為N部分。indices_or_sections為數(shù)組時(shí)，表示按索引分割，np.split(x,[1,3],axis=1)表示在第一列、第三列分割數(shù)組x。132025/2/192索引、切片和子集1、Numpy支持的數(shù)組的索引下標(biāo)從0開(kāi)始。2、切片操作是對(duì)數(shù)組的一段區(qū)間的操作，切片與變量維度一致，區(qū)間變量之間使用“,”分割。切片區(qū)間的表達(dá)式是“start:stop”，其中的start表示切片的開(kāi)始位置，stop表示切片的結(jié)束位置，不包括stop結(jié)束位置，如果x是一維數(shù)組，則x[:2]返回一維數(shù)組的0、1元素。3、子集篩選也是Numpy庫(kù)的提供的一項(xiàng)功能，通過(guò)布爾條件可以對(duì)數(shù)組進(jìn)行篩選，篩選后的返回值是與原數(shù)組相同維度的布爾數(shù)組，如x=np.array([1,2,3,4])，則x<3的返回值為array([True,True,False,False])，x[x<3]返回小于3的元素，返回值為array([1,2])。142025/2/193標(biāo)量運(yùn)算1、Numpy在進(jìn)行標(biāo)量運(yùn)算時(shí)，向量與標(biāo)量的維度不同，因此首先需要利用廣播機(jī)制(Broadcast)對(duì)不同形狀(shape)的數(shù)組轉(zhuǎn)化為相同的維度，然后再進(jìn)行數(shù)值計(jì)算。如x=np.array([[1,2],[3,4]])，x+1調(diào)用廣播機(jī)制，將1轉(zhuǎn)化為np.array([[1,1],[1,1]])，然后與x相加，運(yùn)算返回值為array([[2,3],[4,5]])。2、np.add(arr,value)方法、np.subtract(arr,value)方法、np.multiply(arr,value)和np.divide(arr,value)都支持廣播機(jī)制152025/2/194向量運(yùn)算1、np.add(arr1,arr2)2、np.subtract(arr1,arr2)3、np.multiply(arr1,arr2)4、np.divide(arr1,arr2)5、np.power(arr1,arr2)向量求冪6、np.sqrt(arr)求平方根7、np.sin(arr)求sine函數(shù)值8、np.log(arr)求對(duì)數(shù)值162025/2/195統(tǒng)計(jì)1、np.mean(x,axis=0)2、np.sum(x,axis)求和函數(shù)3、np.min(x,axis)求最小值4、np.max(x,axis)求最大值5、np.var(x,axis)求方差6、np.std(x,axis)求標(biāo)準(zhǔn)差172025/2/199.1.3Matplotlib結(jié)構(gòu)182025/2/191.Pyplot和Pylab2.MatplotlibFronted3.Backends4.Matplotlib支持的圖表Matplotlib支持的圖表192025/2/199.2Matplotlib常見(jiàn)圖表202025/2/191、柱狀圖2、plt.rcParams設(shè)置中文環(huán)境9.2Matplotlib常見(jiàn)圖表212025/2/19堆積柱狀圖

設(shè)置Bar函數(shù)的bottom參數(shù)9.2Matplotlib常見(jiàn)圖表222025/2/19

分組柱狀圖

設(shè)置Bar函數(shù)的x軸位置，防止男性數(shù)據(jù)和女性數(shù)據(jù)的重疊9.2Matplotlib常見(jiàn)圖表232025/2/19極坐標(biāo)柱狀圖plt.subplot(projection=‘polar’)9.2Matplotlib常見(jiàn)圖表242025/2/19誤差柱狀圖

設(shè)置Bar函數(shù)的yerr參數(shù)9.2Matplotlib常見(jiàn)圖表252025/2/19

條形圖Barh()函數(shù)9.2Matplotlib常見(jiàn)圖表262025/2/19餅圖pie函數(shù)9.2Matplotlib常見(jiàn)圖表272025/2/19嵌套餅圖

兩次調(diào)用pie()函數(shù)9.2Matplotlib常見(jiàn)圖表282025/2/19折線圖plot()9.2Matplotlib常見(jiàn)圖表292025/2/19堆積折線圖stackplot()9.2.1Matplotlib常見(jiàn)圖表302025/2/19

散點(diǎn)圖9.2.2高級(jí)繪圖312025/2/19直方圖hist()函數(shù),bins參數(shù)表示直方圖間隔的數(shù)量9.2.2高級(jí)繪圖322025/2/19棉棒圖stem()9.2.2高級(jí)繪圖332025/2/19

箱形圖boxplot()9.2.2高級(jí)繪圖342025/2/19

誤差棒圖errorbar()9.2.2高級(jí)繪圖352025/2/19

階梯圖step()9.2.2高級(jí)繪圖362025/2/19

六邊形分箱圖hexbin()9.2.2高級(jí)繪圖372025/2/19

小提琴圖violinplot()9.2.3圖形的完善382025/2/19

legend函數(shù)

title函數(shù)9.2.3圖形的完善392025/2/19matplotlib.pyplot.plot(*args,scalex=True,scaley=True,data=None,**kwargs)*args表示列表參數(shù)，**kwargs表示字典參數(shù)9.2.3圖形的完善402025/2/19text()函數(shù)在圖中增加文字說(shuō)明9.2.3圖形的完善412025/2/19annotate()在圖表中添加標(biāo)注9.2.3圖形的完善422025/2/19

table()在圖形中添加表格9.3Matplotlib的3D圖形和多子圖432025/2/193D圖形通常使用的坐標(biāo)系柱面坐標(biāo)系球面坐標(biāo)系9.3.1基礎(chǔ)3D圖形442025/2/19根據(jù)參數(shù)方程繪制三維螺旋線9.3.1基礎(chǔ)3D圖形452025/2/19空間散點(diǎn)圖主要繪制離散數(shù)據(jù)，通過(guò)設(shè)置不同三點(diǎn)的形狀、顏色、尺寸可以增加展示數(shù)據(jù)的維度。9.3.1基礎(chǔ)3D圖形空間網(wǎng)格圖可以展示三維空間曲面圖形，plot_wireframe(X,Y,Z)函數(shù)的X參數(shù)是二維向量，Y也是二維向量，Z是曲面的高度。生成二維向量，通常需要使用meshgrid將一維向量轉(zhuǎn)變?yōu)槎S向量。

462025/2/19文字事件處理的根本在于事件捕獲。要實(shí)現(xiàn)事件的捕獲，為其建立一個(gè)綁定的事件處理函數(shù)是一個(gè)簡(jiǎn)單而方便的方法。用于綁定的方法如下：9.3.2高級(jí)3D圖形472025/2/19根據(jù)以下空間曲面方程，使用plot_surface(X,Y,Z)繪制空間曲面生成X、Y二維數(shù)組，通過(guò)np.sin(np.sqrt(x**2,y**2))繪制曲面9.3.2高級(jí)3D圖形48