#yyds干货盘点#利用Matplotlib库画图

Posted 2021-12-02 来西瓜

      好了，理论够了。 现在，我们已准备好将所有内容联系在一起并进行一些绘图。 从现在开始，我们将主要依赖无状态（面向对象）方法，这种方法更具可定制性，并且随着图形变得更加复杂而派上用场。

      在 OO 方法下创建具有单个轴的图形的规定方法是（不太直观）使用 plt.subplots()。 这真的是唯一一次 OO 方法使用 pyplot 创建图形和轴：

fig, ax = plt.subplots()

      上面，我们利用可迭代解包为 plt.subplots() 的两个结果中的每一个分配了一个单独的变量。 请注意，我们没有在这里向 subplots() 传递参数。 默认调用是 subplots(nrows=1, ncols=1)。 因此， ax 是单个 AxesSubplot 对象：

>>> type(ax)

<class matplotlib.axes._subplots.AxesSubplot>

      我们可以调用它的实例方法来操作绘图，类似于我们调用 pyplots 函数的方式。 让我们用三个时间序列的堆积面积图来说明：

      以上代码的意义如下：

      1）在创建了三个随机时间序列之后，我们定义了一个包含一个 Axes的图(fig)。

      2）我们直接调用 ax 的方法来创建堆积面积图并添加图例、标题和 y 轴标签。 在面向对象的方法下，很明显，所有这些都是 ax 的属性。

      3）tiny_layout() 整体应用于 Figure 对象以清理空白填充。

      让我们看在一个图中包含多个子图（轴）的示例，从离散均匀分布中绘制的两个相关数组：

     

 

   

      在这个例子中还有更多内容：

      1）因为我们正在创建一个“1x2”图形，所以 plt.subplots(1, 2) 的返回结果现在是一个 Figure 对象和一个 Axes 对象的 NumPy 数组。

      2）我们分别处理 ax1 和 ax2，这在有状态方法中很难做到。 最后一行很好地说明了对象层次结构，我们正在修改属于第二个轴的 yaxis，将其刻度和刻度标签放在右侧。

      3）美元符号内的文本利用 TeX 标记将变量置于斜体中。

      请记住，多个轴可以包含在或“属于”给定图形中。 在上面的例子中， fig.axes 为我们获取了所有 Axes 对象的列表：

(fig.axes[0] is ax1, fig.axes[1] is ax2)

(True, True)

      更进一步，我们也可以创建一个包含 2x2 Axes 对象网格的图形：

fig, ax = plt.subplots(nrows=2, ncols=2, figsize=(7, 7))

      现在，什么是ax？ 它不再是单个 Axes，而是它们的二维 NumPy 数组：

>>> type(ax)

numpy.ndarray

type(ax)

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x1106daf98>,

<matplotlib.axes._subplots.AxesSubplot object at 0x113045c88>],

[<matplotlib.axes._subplots.AxesSubplot object at 0x11d573cf8>,

<matplotlib.axes._subplots.AxesSubplot object at 0x1130117f0>]],

dtype=object)

>>> ax

ax.shape

(2, 2)

      该函数的说明文档中重申了这一点：

      “ax can be either a single matplotlib.axes.Axes object or an array of Axes objects if more than one subplot was created.”

      我们现在需要在每个轴上调用绘图方法（但不是 NumPy 数组，在这种情况下它只是一个容器）。 解决此问题的常见方法是在将数组展平为一维后使用可迭代解包：

fig, ax = plt.subplots(nrows=2, ncols=2, figsize=(7, 7))

ax1, ax2, ax3, ax4 = ax.flatten()

      为了说明一些更高级的子图功能，让我们使用 Python 标准库中的 io、tarfile 和 urllib 从压缩的 tar 档案中提取一些加州宏观经济住房数据。

from io import BytesIO

import tarfile

from urllib.request import urlopen

url = http://www.dcc.fc.up.pt/~ltorgo/Regression/cal_housing.tgz

b = BytesIO(urlopen(url).read())

fpath = CaliforniaHousing/cal_housing.data

with tarfile.open(mode=r, fileobj=b) as archive:

... housing = np.loadtxt(archive.extractfile(fpath), delimiter=,)

       使用统计术语，下面的“响应”变量 y 是一个地区的平均房屋价值。 pop 和 age 分别是该地区的人口和平均房屋年龄：

y = housing[:, -1]

pop, age = housing[:, [4, 7]].T

... ax.text(.55, .8, text,

... horizontalalignment=center,

... transform=ax.transAxes,

... bbox=dict(facecolor=white, alpha=0.6),

... fontsize=12.5)

... return ax

      接下来让我们定义一个“辅助函数”，它将文本框放置在绘图内并充当“绘图内标题”：

>>> def add_titlebox(ax, text):

... ax.text(.55, .8, text,

... horizontalalignment=center,

... transform=ax.transAxes,

... bbox=dict(facecolor=white, alpha=0.6),

... fontsize=12.5)

... return ax

      我们准备做一些绘图。 Matplotlib 的 gridspec 模块允许更多的子图定制。 pyplot 的 subplot2grid() 与这个模块很好地交互。 假设我们要创建这样的布局：

      上面，我们实际拥有的是一个 3x2 的网格。 ax1 是 ax2/ax3 的高度和宽度的两倍，这意味着它占用了两列和两行。

      subplot2grid() 的第二个参数是轴在网格中的（行，列）位置：

gridsize = (3, 2)

fig = plt.figure(figsize=(12, 8))

ax1 = plt.subplot2grid(gridsize, (0, 0), colspan=2, rowspan=2)

ax2 = plt.subplot2grid(gridsize, (2, 0))

ax3 = plt.subplot2grid(gridsize, (2, 1))

      现在，我们可以照常进行，分别修改每个轴：

ax1.set_title(Home value as a function of home age & area population,

... fontsize=14)

sctr = ax1.scatter(x=age, y=pop, c=y, cmap=RdYlGn)

plt.colorbar(sctr, ax=ax1, format=$%d)

ax1.set_yscale(log)

ax2.hist(age, bins=auto)

ax3.hist(pop, bins=auto, log=True)

add_titlebox(ax2, Histogram: home age)

add_titlebox(ax3, Histogram: area population (log scl.))

      上面，colorbar()（与之前的 ColorMap 不同）直接在 Figure 上调用，而不是在 Axes 上调用。 它的第一个参数使用 Matplotlib 的 .scatter() 并且是 ax1.scatter() 的结果，它用作 y 值到 ColorMap 的映射。 从视觉上看，当我们在 y 轴上上下移动时，颜色（y 变量）没有太大差异，这表明房屋年龄似乎是房屋价值的更强决定因素。