純干貨：手把手教你用Python做數(shù)據(jù)可視化（附代碼）

導(dǎo)讀：制作提供信息的可視化(有時(shí)稱為繪圖)是數(shù)據(jù)分析中的最重要任務(wù)之一?？梢暬赡苁翘剿鬟^程的一部分，例如，幫助識(shí)別異常值或所需的數(shù)據(jù)轉(zhuǎn)換，或者為建模提供一些想法。對于其他人來說，構(gòu)建網(wǎng)絡(luò)交互式可視化可能是最終目標(biāo)。Python有很多附加庫可以用來制作靜態(tài)或動(dòng)態(tài)的可視化文件，但是我將主要關(guān)注matplotlib和以它為基礎(chǔ)的庫。

matplotlib是一個(gè)用于生成出版級質(zhì)量圖表（通常是二維的）的桌面繪圖包。該項(xiàng)目由John Hunter于2002年發(fā)起，目的在于在Python環(huán)境下進(jìn)行MATLAB風(fēng)格的繪圖。matplotlib和IPython社區(qū)合作簡化了IPython shell（目前是 Jupyter筆記本）的交互式繪圖。matplotlib支持所有操作系統(tǒng)上的各種GUI后端，還可以將可視化導(dǎo)出為所有常見的矢量和光柵圖形格式(PDF，SVG，JPG，PNG，BMP，GIF等)。

隨著時(shí)間的推移，matplotlib已經(jīng)產(chǎn)生了一些數(shù)據(jù)可視化的附加工具包，使用matplotlib進(jìn)行底層繪圖。

學(xué)習(xí)以下示例代碼最簡單的方式就是在Jupyter notebook中使用交互式繪圖。在進(jìn)行設(shè)置時(shí)，需要在Jupyter notebook中執(zhí)行以下語句：

%matplotlib notebook 

簡明matplotlib API入門

在使用matplotlib時(shí)，我們使用以下的導(dǎo)入慣例：

In [11]: import matplotlib.pyplot as plt

在Jupyter中運(yùn)行%matplotlib notebook (或在IPython中運(yùn)行%matplotlib )，我們就可以嘗試生成一個(gè)簡單的圖形。如果所有的設(shè)置都正確，則一個(gè)像圖1的圖形就會(huì)出現(xiàn)：

In [12]: import numpy as np
In [13]: data = np.arange(10)
In [14]: data
Out[14]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
In [15]: plt.plot(data)

盡管seaborn等庫和pandas內(nèi)建的繪圖函數(shù)可以處理大部分繪圖的普通細(xì)節(jié)，但如果你想在提供的函數(shù)選項(xiàng)之外進(jìn)行定制則需要學(xué)習(xí)一些matplotlib的AIP。

本文沒有足夠的篇幅來對matplotlib的功能寬度和深度進(jìn)行全面介紹。但介紹的內(nèi)容應(yīng)該是足以使你入門的。matplotlib的可視化作品庫和文檔是學(xué)習(xí)高級功能的最佳資源。

圖片與子圖

matplotlib所繪制的圖位于圖片(Figure)對象中。你可以使用plt.figure生成一個(gè)新的圖片：

In [16]: fig = plt.figure()

在IPython中，一個(gè)空白的繪圖窗口就會(huì)出現(xiàn)，但在Jupyter中則沒有任何顯示，直到我們使用一些其他命令。plt.figure有一些選項(xiàng)，比如figsize是確保圖片有一個(gè)確定的大小以及存儲(chǔ)到硬盤時(shí)的長寬比。

你不能使用空白的圖片進(jìn)行繪圖。你需要使用add_subplot創(chuàng)建一個(gè)或多個(gè)子圖(subplot)：

In [16]: fig = plt.figure()
In [17]: ax1 = fig.add_subplot(2, 2, 1)

上面代碼的意思是圖片應(yīng)該是2*2的(最多四個(gè)圖形)，并且我們選擇了四個(gè)圖形中的第一個(gè)(序號(hào)從1開始)。如果你接著創(chuàng)建了兩個(gè)子圖，你將會(huì)獲得看上去類似圖2的可視化：

In [18]: ax2 = fig.add_subplot(2, 2, 2)
In [19]: ax3 = fig.add_subplot(2, 2, 3)

使用Jupyter notebook時(shí)有個(gè)細(xì)節(jié)需要注意，在每個(gè)單元格運(yùn)行后，圖表被重置，因此對于更復(fù)雜的圖表，你必須將所有的繪圖命令放在單個(gè)的notebook單元格中。

我們將下面這些代碼在同一個(gè)單元格中運(yùn)行：

fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)

當(dāng)你輸入繪圖命令plt.plot([1.5, 3.5, -2, 1.6]) ，matplotlib會(huì)在最后一個(gè)圖片和子圖(如果需要的話就創(chuàng)建一個(gè))上進(jìn)行繪制，從而隱藏圖片和子圖的創(chuàng)建。因此，如果我們添加了下面的代碼，你會(huì)得到形如圖3的可視化：

In [20]: plt.plot(np.random.randn(50).cumsum(), 'k--')

'k--'是用于繪制黑色分段線的style選項(xiàng)。fig.add_subplot返回的對象是AxesSubplot對象，使用這些對象你可以直接在其他空白的子圖上調(diào)用對象的實(shí)例方法進(jìn)行繪圖(參考圖4)：

In [21]: _ = ax1.hist(np.random.randn(100), bins=20, color='k', alpha=0.3)
In [22]: ax2.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30))

你可以在matplotlib的官方文檔中找到完整的圖形類型。

使用子圖網(wǎng)絡(luò)創(chuàng)建圖片是非常常見的任務(wù)，所以matplotlib包含了一個(gè)便捷方法plt.subplots，它創(chuàng)建一個(gè)新的圖片，然后返回要給包含了已生成子圖對象的NumPy數(shù)組：

In [24]: fig, axes = plt.subplots(2, 3)
In [25]: axes
Out[25]:
array([[<matplotlib.axes._subplots.AxesSubplot object at 0x7fb626374048>,
<matplotlib.axes._subplots.AxesSubplot object at 0x7fb62625db00>,
<matplotlib.axes._subplots.AxesSubplot object at 0x7fb6262f6c88>],
[<matplotlib.axes._subplots.AxesSubplot object at 0x7fb6261a36a0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x7fb626181860>,
<matplotlib.axes._subplots.AxesSubplot object at 0x7fb6260fd4e0>]], dtype
=object)

調(diào)整子圖周圍的間距

默認(rèn)情況下，matplotlib會(huì)在子圖的外部和子圖之間留出一定的間距。這個(gè)間距都是相對于圖的高度和寬度來指定的，所以如果你通過編程或手動(dòng)使用GUI窗口來調(diào)整圖的大小，那么圖就會(huì)自動(dòng)調(diào)整。你可以使用圖對象上的subplots_adjust方法更改間距，也可以用作頂層函數(shù)：

subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

wspace和hspace分別控制的是圖片的寬度和高度百分比，以用作子圖間的間距。下面是一個(gè)小例子，我將這個(gè)間距一直縮小到零(見圖5) ：

fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)
for i in range(2):
for j in range(2):
axes[i, j].hist(np.random.randn(500), bins=50, color='k', alpha=0.5)
plt.subplots_adjust(wspace=0, hspace=0)

你可能會(huì)注意到軸標(biāo)簽是存在重疊的。matplotlib并不檢查標(biāo)簽是否重疊，因此在類似情況下你需要通過顯式指定刻度位置和刻度標(biāo)簽的方法來修復(fù)軸標(biāo)簽。

顏色、標(biāo)記和線類型

matplotlib的主函數(shù)plot接收帶有x和y周的數(shù)組以及一些可選的字符串縮寫參數(shù)來指明顏色和線類型。例如，要用綠色破折號(hào)繪制x對y的線，你需要執(zhí)行：

ax.plot(x, y, 'g--')

這種在字符串中指定顏色和線條樣式的方式是方便的; 在實(shí)踐中，如果你以編程方式創(chuàng)建繪圖，則可能不希望將字符串混合在一起以創(chuàng)建具有所需樣式的圖表。同樣的圖表可以使用更為顯式的方式來表達(dá)：

ax.plot(x, y, 'g--')
ax.plot(x, y, linestyle='--', color='g')

有很多顏色縮寫被用于常用顏色，但是你可以通過指定十六進(jìn)制顏色代碼的方式來指定任何顏色(例如'#CECECE' )。參考plot函數(shù)的文檔字符串可以看到全部的線類型(在IPython或Jupyter中使用plot? )。

折線圖還可以有標(biāo)記用來凸顯實(shí)際的的數(shù)據(jù)點(diǎn)。由于matplotlib創(chuàng)建了一個(gè)連續(xù)性折線圖，插入點(diǎn)之間有時(shí)并不清除點(diǎn)在哪。標(biāo)記可以是樣式字符串的一部分，樣式字符串中線類型、標(biāo)記類型必須跟在顏色后面(參考圖6)：

In [30]: from numpy.random import randn
In [31]: plt.plot(randn(30).cumsum(), 'ko--')

上面的代碼可以寫的更為顯式：

plot(randn(30).cumsum(), color='k', linestyle='dashed', marker='o')

對于折線圖，你會(huì)注意到后續(xù)的點(diǎn)默認(rèn)是線性內(nèi)插的?？梢酝ㄟ^drawstyle選項(xiàng)進(jìn)行更改(圖7)：

In [33]: data = np.random.randn(30).cumsum()
In [34]: plt.plot(data, 'k--', label='Default')
Out[34]: [<matplotlib.lines.Line2D at 0x7fb624d86160>]
In [35]: plt.plot(data, 'k-', drawstyle='steps-post', label='steps-post')
Out[35]: [<matplotlib.lines.Line2D at 0x7fb624d869e8>]
In [36]: plt.legend(loc='best')

你可能會(huì)注意到在運(yùn)行代碼后會(huì)有像 這樣的輸出。matplotlib返回的對象引用了剛剛添加的圖表子組件。很多時(shí)候你可以安全地忽略這些輸出。這里，由于我們向plot傳遞了label，我們可以使用plt.lengend為每條線生成一個(gè)用于區(qū)分的圖例。

無論你在用數(shù)據(jù)繪圖時(shí)是否傳遞了lebel選項(xiàng)，你都必須調(diào)用plt.lengend(如果你有軸的引用，也可以用ax.legend)來生成圖例來生成圖例。

刻度、標(biāo)簽和圖例

對于大多數(shù)圖表修飾工作，有兩種主要的方式：使用程序性的pyplot接口（即matplotlib.pyplot）和更多面向?qū)ο蟮脑鷐atplotlib API。

pyplot接口設(shè)計(jì)為交互式使用，包含了像xllim、xtick和xtcklabels等方法。這些方法分別控制了繪圖范圍、刻度位置以及刻度標(biāo)簽。我們可以在兩種方式中使用：

• 在沒有函數(shù)參數(shù)的情況下調(diào)用，返回當(dāng)前的參數(shù)值(例如plt.xlim()返回當(dāng)前的x軸繪圖范圍 )。

• 傳入?yún)?shù)的情況下調(diào)用，并設(shè)置參數(shù)值(例如plt.xlim([0, 10])會(huì)將x軸的范圍設(shè)置為0到10)。

所有的這些方法都會(huì)在當(dāng)前活動(dòng)的或最近創(chuàng)建的AxeSubplot上生效。這些方法中的每一個(gè)對應(yīng)于子圖自身的兩個(gè)方法；比如xlim對應(yīng)于ax.get_lim和ax.set_lim。我更傾向于使用subplot的實(shí)例方法，因?yàn)檫@樣更為顯式(尤其是在處理多個(gè)子圖時(shí))，但你當(dāng)然可以使用你覺得更為方便的方式。

1. 設(shè)置標(biāo)題、軸標(biāo)簽、刻度和刻度標(biāo)簽

為了講解軸的自定義，我會(huì)生成一個(gè)簡單圖表，并繪制隨機(jī)漫步(參考圖8)：

In [37]: fig = plt.figure()
In [38]: ax = fig.add_subplot(1, 1, 1)
In [39]: ax.plot(np.random.randn(1000).cumsum())

要改變x軸刻度，最簡單的方式是使用set_xticks和set_xticklebels。set_xticks表示在數(shù)據(jù)范圍內(nèi)設(shè)定刻度的位置；默認(rèn)情況下，這些刻度也有標(biāo)簽。但是我們可以使用set_xticklabels為標(biāo)簽賦值：

In [40]: ticks = ax.set_xticks([0, 250, 500, 750, 1000])
In [41]: labels = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'],
....: rotation=30, fontsize='small')

rotation選項(xiàng)會(huì)將x軸刻度標(biāo)簽旋轉(zhuǎn)30度。最后，set_xlabel會(huì)給x軸一個(gè)名稱，set_titel會(huì)給子圖一個(gè)標(biāo)題(參考圖9的結(jié)果圖)：

In [42]: ax.set_title('My first matplotlib plot')
Out[42]: <matplotlib.text.Text at 0x7fb624d055f8>
In [43]: ax.set_xlabel('Stages')

修改y軸坐標(biāo)是相同過程，將上面示例中的x替換成y即可。軸的類型擁有一個(gè)set方法，允許批量設(shè)置繪圖屬性。根據(jù)之前的示例，我們可以寫如下代碼：

props = {
'title': 'My first matplotlib plot',
'xlabel': 'Stages'
}
ax.set(**props)

2. 添加圖例

圖例是用來區(qū)分繪圖元素的重要內(nèi)容。有多種方式可以添加圖例。最簡單的方式是在添加每個(gè)圖表時(shí)傳遞label參數(shù)：

In [44]: from numpy.random import randn
In [45]: fig = plt.figure(); ax = fig.add_subplot(1, 1, 1)
In [46]: ax.plot(randn(1000).cumsum(), 'k', label='one')
Out[46]: [<matplotlib.lines.Line2D at 0x7fb624bdf860>]
In [47]: ax.plot(randn(1000).cumsum(), 'k--', label='two')
Out[47]: [<matplotlib.lines.Line2D at 0x7fb624be90f0>]
In [48]: ax.plot(randn(1000).cumsum(), 'k.', label='three')
Out[48]: [<matplotlib.lines.Line2D at 0x7fb624be9160>]

一旦你運(yùn)行了上面的代碼，你也可以調(diào)用ax.legend()或plt.legend自動(dòng)生成圖例。結(jié)果圖表參見圖10：

In [49]: ax.legend(loc='best')

legend方法有多個(gè)其他的位置參數(shù)loc。參考文檔字符串(使用ax.legend?命令)獲取更多信息。

loc參數(shù)告訴matplotlib在哪里放置圖表。如果你不挑剔，'best'是一個(gè)好選項(xiàng)，它會(huì)自動(dòng)選擇最合適的位置。如果取消圖例中的元素，不要傳入label參數(shù)或者傳入label='nolegend'。

注釋與子圖加工

除了標(biāo)準(zhǔn)的繪圖類型，你可能還會(huì)想在圖表上繪制自己的注釋，而且注釋中可能會(huì)包含文本、箭頭以及其他圖形。你可以使用text、arrow和annote方法來添加注釋和文本。text在圖表上給定的坐標(biāo)(x, y)，根據(jù)可選的定制樣式繪制文本：

ax.text(x, y, 'Hello world!',
family='monospace', fontsize=10)

注釋可以同時(shí)繪制文本和箭頭。作為一個(gè)例子，讓我們繪制標(biāo)普500指數(shù)從2007年來的收盤價(jià)(從雅虎財(cái)經(jīng)獲得數(shù)據(jù))，并在圖表中標(biāo)注從2008到2009年金融危機(jī)中的重要日期。你可以在Jupyter notebook的一個(gè)單元格中復(fù)現(xiàn)這些代碼。參考圖11的代碼運(yùn)行結(jié)果：

from datetime import datetime
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
data = pd.read_csv('examples/spx.csv', index_col=0, parse_dates=True)
spx = data['SPX']
spx.plot(ax=ax, style='k-')
crisis_data = [
(datetime(2007, 10, 11), 'Peak of bull market'),
(datetime(2008, 3, 12), 'Bear Stearns Fails'),
(datetime(2008, 9, 15), 'Lehman Bankruptcy')
]
for date, label in crisis_data:
ax.annotate(label, xy=(date, spx.asof(date) + 75),
xytext=(date, spx.asof(date) + 225),
arrowprops=dict(facecolor='black', headwidth=4, width=2,
headlength=4),
horizontalalignment='left', verticalalignment='top')
# 放大2007 - 2010年
ax.set_xlim(['1/1/2007', '1/1/2011'])
ax.set_ylim([600, 1800])
ax.set_title('Important dates in the 2008-2009 financial crisis')

在圖表中有一些重要點(diǎn)需要凸顯：ax.annotate方法可以在指定的x和y坐標(biāo)上繪制標(biāo)簽。我們可以使用set_xlim和set_ylim方法手動(dòng)設(shè)置圖表的邊界，而不是使用matplotlib的默認(rèn)設(shè)置。最后，ax.set_title會(huì)圖表添加了一個(gè)主標(biāo)題。

參考在線的matplotlib展覽館，可以學(xué)習(xí)更多注釋的范例。

繪制圖形時(shí)有更多需要注意的地方。matplotlib含有表示多種常見圖形的對象，這些對象的引用是patches。一些圖形，比如Rectangle(矩形)和Circle(圓形)，可以在matplotlib.pyplot中找到，但圖形的全集位于matplotlib.patches。

想在圖表中添加圖形時(shí)，你需要生成patch(補(bǔ)丁)對象shp，并調(diào)用ax.add_patch(shp)將它加入到子圖中(參考圖12)：

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color='k', alpha=0.3)
circ = plt.Circle((0.7, 0.2), 0.15, color='b', alpha=0.3)
pgon = plt.Polygon([[0.15, 0.15], [0.35, 0.4], [0.2, 0.6]],
color='g', alpha=0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)

當(dāng)你看到很多常見繪圖類型的實(shí)現(xiàn)時(shí)，你會(huì)發(fā)現(xiàn)他們都是從patches中組裝而來。

將圖片保存到文件

你可以使用plt.savefig將活動(dòng)圖片保存到文件。這個(gè)方法等價(jià)于圖片對象的savefig實(shí)例方法。例如將圖片保存為SVG，你只需要輸入以下代碼：

plt.savefig('figpath.svg')

文件類型是從文件擴(kuò)展名中推斷出來的。所以如果你使用.pdf，則會(huì)得到一個(gè)PDF。我常常使用幾個(gè)重要的選項(xiàng)來發(fā)布圖形：dpi，它控制每英寸點(diǎn)數(shù)的分辨率; bbox_inches，可以修剪實(shí)際圖形的空白。為了得到同樣一個(gè)PNG圖片，且使用最小的空白，擁有400 DPI，你需要運(yùn)行以下代碼：

plt.savefig('figpath.png', dpi=400, bbox_inches='tight')

savefig并一定是寫到硬盤的，它可以將圖片寫入到所有的文件型對象中，例如BytesIO：

from io import BytesIO
buffer = BytesIO()
plt.savefig(buffer)
plot_data = buffer.getvalue()

表2是savefig其他選項(xiàng)的列表：

matplotlib設(shè)置

matplotlib配置了配色方案和默認(rèn)設(shè)置，主要用來準(zhǔn)備用于發(fā)布的圖片。幸運(yùn)的是，幾乎所有的默認(rèn)行為都可以通過廣泛的全局參數(shù)來定制，包括圖形大小、子圖間距、顏色、字體大小和網(wǎng)格樣式等等。使用rc方法是使用Python編程修改配置的一種方式; 例如，要將全局默認(rèn)數(shù)字大小設(shè)置為10×10，你可以輸入：

plt.rc('figure', figsize=(10, 10))

rc的第一個(gè)參數(shù)是你想要自定義的組件，比如'figure'、'axes'、'xtick'、'ytick'、'grid'、'legend'等等。之后，可以按照關(guān)鍵字參數(shù)的序列指定新參數(shù)。字典是一種在程序中設(shè)置選項(xiàng)的簡單方式：

font_options = {'family' : 'monospace',
'weight' : 'bold',
'size' : 'small'}
plt.rc('font', **font_options)

如果需要更深入的定制和參看全量選項(xiàng)，可以參考matplotlib的設(shè)置文件matplotlibrc，該文件位于matplotlib/mpl-data路徑。如果你定制了這個(gè)文件，并將他放置在home路徑下并且文件名為.matplotlibrc，則每次你使用matplotlib時(shí)都會(huì)讀取該文件。

關(guān)于作者：韋斯·麥金尼（Wes McKinney）是流行的Python開源數(shù)據(jù)分析庫pandas的創(chuàng)始人。他是一名活躍的演講者，也是Python數(shù)據(jù)社區(qū)和Apache軟件基金會(huì)的Python/C++開源開發(fā)者。目前他在紐約從事軟件架構(gòu)師工作。

本文摘編自《利用Python進(jìn)行數(shù)據(jù)分析》（原書第2版），經(jīng)出版方授權(quán)發(fā)布。

書籍贊助方：機(jī)械工業(yè)出版社華章公司

贈(zèng)書書籍：《利用Python進(jìn)行數(shù)據(jù)分析》

贈(zèng)書規(guī)則：為本文「點(diǎn)贊」+ 「在看」 +「轉(zhuǎn)發(fā)本文至朋友圈」+「留言」，與文章內(nèi)容相關(guān)的優(yōu)質(zhì)留言即可上墻并從所有留言中隨機(jī)選出2位走心讀者留言將各獲得一本。

截止時(shí)間：2021年6月16日，晚 20:00

領(lǐng)書須知：提供轉(zhuǎn)發(fā)截圖 + 點(diǎn)贊和在看截圖

注意事項(xiàng)：最終獲贈(zèng)者請?jiān)?4小時(shí)以內(nèi)添加我的微信，備注：贈(zèng)書??

杰哥的另一個(gè)公眾號(hào)，主要分享關(guān)于個(gè)人成長經(jīng)歷的那點(diǎn)事，歡迎您的關(guān)注。