4.1 Matplotlib绘图库

Matplotlib是Python最著名的图表绘制库，支持很多绘图工具，可以从其官网中看到大量的图表及对应的使用方法。本节不尽数所有方法和参数，而是从功能的角度出发，介绍在数据分析时最常用的方法及使用场景。

4.1.1 准备工作

1.安装软件

安装Matplotlib库，注意在Python 2的环境下，需要指定安装Matplotlib 3.0以下版本，同时安装python-tk软件包。在Ubuntu系统中，执行以下命令：

2.包含头文件

使用Matplotlib库需要包含头文件，例程中还使用了Numpy库。在4.1节中所有示例都需要包括以下头文件，在此统一说明，后续例程中省略。

另外，如果使用Jupyter Notebook编写程序，还需要加入：

以保证图片在浏览器中正常显示。

4.1.2 散点图与气泡图

1.散点图

Matplotlib的pyplot模块提供了类似MATLAB的绘图接口，其中plot函数最为常用。它支持绘制散点图、线图，本例中使用plot函数绘制散点图。

程序运行结果如图4.2所示。

在本例程中，随机生成了50个点，并利用plot函数生成图像，其中参数'o'指定生成图像为散点图（默认为线图）。

散点图通常用于展示数据的分布情况，即x与y的关系。在数据分析中，最常用的场景是将两维特征分别作为x轴和y轴，通过散点图展示二者的相关性，相关性将在4.2节中详细讨论。

2.气泡图

气泡图的绘制函数scatter也常被用于绘制上例中的散点图。相对于plot函数，scatter函数提供更强大的功能，支持指定每个点的大小及颜色，可以展示更多维度的信息。

程序运行结果如图4.3所示。

在例程中，由于用参数s指定每个图点面积的大小、用参数c指定每个点的颜色，因此，图中可以展示四个维度的信息。但在实际应用中，一张图中四个维度携带的信息量太大，更多的时候仅使用x轴，y轴及面积大小这三个维度。

4.1.3 线图

线图常用于展示当x轴数据有序增长时，y轴的变化规律。

1.对比线图

本例也使用了plot函数进行绘制，不同的是绘制线图可在同一张图中展示两条曲线，可看到对比效果。

程序运行结果如图4.4所示。

与散点图不同的是，线图把数组中前后相邻的点连接在一起。当数据在x轴方向未被排序时，图示看起来比较混乱，如图4.5中的左图所示。在这种情况下，建议先排序后作图，结果如图4.5中的右图所示。

2.时序图

线图的另一个常见应用场景是绘制时序图，从时序图中可以直观地看出整体趋势、时间周期，以及特殊日期带来的影响。在绘制时序图时，x轴一般为时间类型数据。

程序运行结果如图4.6所示。

绘图前使用pd.to_datetime函数将字符型的日期转换成日期时间类型，绘制时用gca函数和gcf函数设置当前绘图区域时间格式和旋转角度，绘图区域相关概念将在4.1.7节中详细介绍。除了可以用autofmt_xdate方法自动调整旋转角度，还可以使用rotation参数手动设置旋转的具体角度，形如：

4.1.4 柱图

柱图、条形图、堆叠图和直方图都属于柱图范畴，柱图的核心功能在于对比柱与柱之间的关系，常用于统计中。例如，常用直方图描述单个变量值的分布情况，也可在不同分类之下用柱图描述各个类别的计数、均数或者数据之和，以对比类间的差异。

1.柱图

本例中使用bar函数绘制普通柱图，其横坐标可以是数值，也可以是字符串。

程序运行结果如图4.7所示。

2.条形图

条形图是横向显示的柱图，本例中绘制了带误差线的条形图。

程序运行结果如图4.8所示。

本例中用error数组模拟了误差范围，可以将此图解读为酸橙limes的平均值为20，用柱表示，上下波动范围为±7，用黑色线条表示。它们对应了数值型数据统计中最重要的两个因素：均值和方差。

3.堆叠图

堆叠图是在同一张图中展示了两组柱，以及两组柱叠加的结果，也是常用的统计工具。

程序运行结果如图4.9所示。

本例中使用bar函数的参数bottom设置第二组柱显示的起点，以实现堆叠效果。另外，还设置了柱的宽度。

4.直方图

直方图是使用频率最高的柱图，常用它来展示数据的分布。与上述几种柱图不同的是，在通常情况下，直方图只需要指定一个参数，而非x和y两个参数。它分析的是一组数据的内部特征，而非两组数据的相互关系。

程序运行结果如图4.10所示。

本例中生成了两维数组，目的是对比两组数据的分布情况，当然也可以只传入一维数组。在图4.10中，x轴展示了数据变量的取值范围，y轴是在该取值范围内实例的数量，如第一根柱表示第一组数据中有5个数，其值的范围为0～0.1。

4.1.5 饼图

饼图用于展示一组数据的内部规律，多用于分类后展示各个类别的统计值。相对于其他图表，饼图携带的信息量不大，不太容易出效果。使用饼图有一些注意事项，比如太过细碎的分类，最好把占比不多的归为一类，描述为“其他”；如果只有两种类别，与其做饼图，不如用文字描述。

程序运行结果如图4.11所示。

4.1.6 箱线图和小提琴图

箱线图和小提琴图同为统计图，是二维图中相对较难理解的图示，但由于它们可以在一张图中描述各个分组的多种性质，因此也被广泛使用。

1.箱线图

箱线图中每个箱体描述的是一组数，箱体从上到下的五条横线分别对应该组的最大值、75分位数、中位数、25分位数和最小值，相对于均值和方差，该描述携带更多的信息。

在作箱线图时，通常涉及数值型和分类型两种特征，比如先利用性别（分类型变量）将学生分为两组，然后计算每组学生身高（数值型变量）的统计值。

程序运行结果如图4.12所示。

2.小提琴图

小提琴图的功能类似于箱线图，除了最大值、最小值和中位数，小提琴图两侧的曲线还描述了概率密度，相对来说展示的信息更为具体。

程序运行结果如图4.13所示。

4.1.7 三维图

1.三维散点图

mpl_toolkits.mplot3d模块提供了三维绘图功能，但它在大数据量绘图时速度较慢。三维图的优势在于能在同一图表中展示出三维特征的相互关系，但三维静态的图片由于不能随意旋转，故描述能力有限。本章将在后续的PyEchart部分介绍制作可交互的图表。

程序运行结果如图4.14所示。

程序用Axes3D函数构造了三维的绘图区域，并绘制出散点图，通常在x轴和y轴两个方向绘制自变量x1和x2，在z轴方向上绘制因变量y。

2.三维柱图

与二维柱图一样，三维柱图也常用于描述统计数量。由于三维的统计数据是通过两个类别特征统计得出的，因此它同时也反应了两个特征交互作用的结果。

程序运行结果如图4.15所示。

3.三维曲面图和等高线图

本例使用plot_surface函数绘制三维曲面图，只需要指定其X轴、Y轴和Z轴上的三维数组即可绘制曲面图，并将图像在z轴方向上投影。

程序运行结果如图4.16所示。

4.1.8 Matplotlib绘图区域

在绘图时，一般包括从大到小三个层次：画板、画布、绘图区。在Matplotlib中，窗口就是画板，Figure是绘制对象，Axes是绘图区。当我们需要在一张大图中展示多张子图时，就要用到绘图区域的概念。

一个绘制对象中可以包含一个或多个Axes子图，每个Axes都是一个拥有自己坐标系统的绘图区域。在上述例程中，使用的都是默认绘图对象和子图。

可以使用plt.gcf（Get current figure）函数获取当前绘制对象，plt.gca（Get current Axes）函数获取当前绘图区域，而使用plt.sca（Set current figure）函数可以设置当前操作的绘图区域。下面介绍多子图绘制中的两个核心方法：

1.创建绘图对象

◎ figure(num=None,figsize=None,dpi=None,facecolor=None,edgecolor=None…)

◎ num：图像编号或名称（数字为编号，字符串为名称）。

◎ figsize：指定绘制对象的宽和高，单位为英寸（1英寸等于2.54cm）。

◎ dpi：指定绘图对象的分辨率，即每英寸多少像素，默认值为80，它决定了图片的清晰程度。

2.创建单个子图

◎ subplot(nrows,ncols,index,**kwargs)

◎ nrows：整体绘图对象中的总行数。

◎ ncols：整体绘图对象中的总列数。

◎ index：指定编号，编号顺序为从左到右、从上到下，从1开始。如果nrows，ncols，index三个参数值都小于10，就可以去掉逗号，如“221”。

最常见的子图排序方式是左右并列两子图和“田”字形四子图。下面将以“田”字形的四子图为例，首先创建8英寸×6英寸的绘图对象，然后分别新建和绘制各个子图，以及设置主标题和子标题。

程序运行结果如图4.17所示。

如果需要各个子图大小不同，则可以使用subplot2grid分格显示方法绘制相对复杂的子图。

◎ plt.subplot2grid(shape,loc,rowspan=1,colspan=1,fig=None,**kwargs)

◎ shape：划分网格的行数和列数。

◎ loc：子图开始区域的位置。

◎ rowspan：子图所占行数。

◎ colspan：子图所占列数。

下面通过例程说明subplot2grid的具体用法，将绘图区域分成shape=3×3共9个小区域，第一个子图从loc=（0.0）位置开始，占一行两列，其他子图以此类推。

程序运行结果如图4.18所示。

4.1.9 文字显示问题

1.中文字体安装和显示

Matplotlib默认的字体不能正常显示中文，但可以通过配置支持中文，并且指定字体。首先，要获取可用的字体列表，找到对应中文字体的名称，然后用以下方法列出引用字体时的字体名，以及字体文件的实际存储位置。

有时系统未安装中文字体，如在Ubuntu系统中，Matplotlib使用字体和系统字体存放在不同位置，这时就需要把中文字体安装到Matplotlib所定的目录中。假设需要使用黑体字simhei.ttf（可从Windows系统复制，或者从网络下载），就需要将其复制到Matplotlib的字体目录中，请注意不同Python版本目录略有差异。复制后还需要删除用户主目录下Matplotlib的缓存文件，这时安装的字体才能使用。具体命令如下：

注意，由于Matplotlib只搜索TTF字体，因此无法用ttflist方法搜索到TTC字体。如果想使用TTC字体，则需要在程序中指定字体文件的具体位置来装载和使用字体，

推荐使用修改rc默认配置方法设置字体，这样只需要设置一次，即可对所有中文字体显示生效。

2.负号显示问题

另一个常见的显示问题是负号不能正常显示（显示为黑色方框），我们可以通过加入以下代码解决该问题。

4.1.10 导出图表

除了在程序中显示，更多的时候需要把生成的图表导出成为图片，放入文章、PPT中，或者以网页的形式展示。尤其是在发表论文时，对图片的精度有较高要求，Matplotlib提供了plt.savefig函数保存图片，其参数dpi（Dots Per Inch，每英寸点数）可设置精度，其中用于印刷的图片一般设置为dpi：300以上。

除了导出图片，有时也需要将图片嵌入在网页中作为应用展示。下例中通过使用构造网页的etree库和调用浏览器的webbrowser库，将数据表格和Matplotlib生成的图表显示在浏览器中。

程序运行结果如图4.19所示。

不带格式定义的HTML文件看起来显得比较简陋，可以通过设置网页的风格来美化显示效果，推荐使用bootstrap的css样式。

4.1.11 Matplotlib技巧

在Matplotlib的最后一小节中，将通过综合实例介绍Matplotlib作图的一些技巧，用以做出更加专业的图表。其知识点如下：

◎ 图例：使用plot的label参数和legend方法显示图例，当一张图中显示多个图示时，可以使用图例描述每个图示的含义。注意，只有在调用legend方法后，图例才能显示出来，默认显示在图像内侧的最佳位置。

◎ 图示风格：使用plt.style设置默认图示风格，ggplot灰底色加网络是一种较常用的显示风格。

◎ 绘制文字：使用text函数绘制文字，绘制位置与x轴、y轴坐标一致，常用于在图片内部显示公式、说明等。

◎ 标注：使用annotate函数绘制标注，该函数提供在图片中的不同位置标注多组文字，还支持以箭头方式标注。

◎ x轴和y轴设置：图表默认显示所有内容，但有时候只需要显示其中部分区域。例如，可能由于离群点把核心区域压缩得很小，或者在多图对比时需要显示范围一致。这时，可以使用xlim和ylim设置x轴和y轴的显示范围，使用xlabel和ylabel设置x轴与y轴上显示的标签文字，使用xticks和yticks设置坐标轴的刻度。

◎ 用matplotlib.artist.getp方法获取绘图对象的属性值。综合实例见以下例程：

程序运行结果如图4.20所示。