Matplotlib概况
在我们进行机器学习分析的时候，通常需要将我们所需要的结果进行图像化表示出来，以方便我们可以更加形象的看到数据变化大趋势。在我进行寻找相应的工具时，我发现了Matplotlib是一个相当好的工具，主要是因为Matplotlib有很强大的功能，它可以为我们汇出各种美丽的图形，比如线图，散点图，等高线图，条形图，柱状图，3D图形，甚至是动画图像等等，我们可以根据自己的需求绘出自己所需要的图形。比如说，以下几个图形就是我们通过Matplotlib进行绘制的
Matplotlib安装
俗话说，“工欲善其事必先利其器”，在学习matplotlib之前，必先安装好matplotlib相关环境，我用的是ubuntu16.04系统，安装相对比较简单。打开控制台窗口，在窗口中输入：
#python 3+ 请使用以下代码 $ sudo apt-get install python3-matplotlib #python 2+ 请使用以下代码 $ sudo apt-get install python-matplotlib
在安装好matplotlib之后，我们就可以尽兴的翱翔在matplotlib的海洋里面了
matplotlib基本用法
首先我们要使用import 导入matplotlib，在使用matplotlib时，我们通常不需要导入matplotlib整个模块，而是只需导入matplotlib中的pyplot这一个模块即可，并简写成plt；使用import 导入模块numpy，并简写成np
import matplotlib.pyplot as plt import numpy as np
使用np.linspace定义x:范围是（-1,1）；个数是50，仿真一位数据组（x,y)表示曲线1
x=np.linspace(-1,1,50) y=2*x + 1
使用plt.figure定义一个图像窗口，使用plt.plot画（x,y)曲线。使用plt.show显示图像
plt.figure() plt.plot(x,y) plt.show()
完整代码如下：
import matplotlib.pyplot as plt import numpy as np x=np.linspace(-1,1,50) y=2*x + 1 plt.figure() plt.plot(x,y) plt.show()
绘成的图像如下：
figure线条
在上面的基础上，使用plt.figure()定义一个图像窗口:编号为3；大小为（8,5）。使用plt.plot画（x,y2）曲线。使用plt.plot画（x,y1）曲线，曲线的颜色属性（color）为红色；曲线的宽度（linewidth）为1.0；曲线的类型（linestyle）为虚线。使用plt.show显示图像
plt.figure(num=3,figsize=(8,5),) plt.plot(x,y2) plt.plot(x,y1,color=‘red‘,linewidth=1.0,linestyle=‘--‘)
完成代码为：
import matplotlib.pyplot as plt import numpy as np x=np.linspace(-3,3,50) y1=2*x +1 y2=x**2 plt.figure() plt.plot(x,y1) plt.figure(num=3,figsize=(8,5),) plt.plot(x,y2) plt.plot(x,y1,color=‘red‘,linewidth=1.0,linestyle=‘--‘) plt.show()
其产生的图像为：
设置坐标轴
下面主要是介绍如何在matplotlib中如何设置坐标轴的范围，单位长度，替代文字等等
使用plt.figure定义一个图像窗口，使用plt.plot画（x,y2）曲线。使用plt.plot画（x,y1）曲线，曲线的颜色属性（color）为红色；曲线的宽度（linewidth）为1.0；曲线的类型（linestyle）为虚线
plt.figure() plt.plot(x,y2) plt.plot(x,y1,color=‘red‘,linewidth=1.0,linestyle=‘--‘)
使用plt.xlim设置x坐标轴范围：（-1,2）；使用plt.ylim设置y坐标轴范围：（-2,3）；使用plt.xlable设置x坐标轴名称：‘I am X‘；使用plt.ylabel设置y坐标轴名称：‘I am y‘;
plt.xlim((-1,2)) plt.ylim((-2,3)) plt.xlabel(‘I am x‘) plt.ylabel(‘I am y‘)
使用np.linspace定义范围及个数：范围是（-1,2）；个数是5.使用print函数打印出新定义的范围。使用plt.xticks设置x轴刻度：范围是（-1,2）；个数是5
new_ticks=np.linspace(-1,2,5) print(new_ticks) plt.xticks(new_ticks)
使用plt.yticks设置y轴刻度以及名称：刻度为[-2,-1.8,-1,1.22,3];对应刻度的名称为[‘really bad‘,‘bad‘,‘normal‘,‘good‘,‘really good‘].使用plt,show显示图像。
plt.yticks([-2,-1.8,-1,1.22,3],[r‘$really\ bad$‘,r‘$bad$‘,r‘$normal$‘,r‘$good$‘,r‘$eally\ good$‘])
使用plt.gca获取当前坐标轴的信息。使用.spines设置边框：右侧边框；使用.set_color设置边框颜色：默认白色；使用.spines设置边框：上边框；使用.set_color设置边框颜色：默认白色；
ax=plt.gca() ax.spines[‘right‘].set_color(‘none‘) ax.spines[‘top‘].set_color(‘none‘)
下一步我们调整坐标轴。使用.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置：bottom(所有位置：top,bottom,both,default,none)
ax.xaxis.set_ticks_position(‘bottom‘)
使用.spines设置边框：x轴；使用.set_position设置边框位置：y=0的位置；（位置所有属性：outward,axes,data)
ax.spines[‘bottom‘].set_position((‘data‘,0))
使用.yaxis.set_ticks_position设置y坐标刻度数字或者名称的位置：left（所有位置：left,right,both,default,none）
ax.yaxis.set_ticks_position(‘left‘)
使用.spines设置边框：y轴；使用.set_position设置边框位置：x=0的位置；（位置所有属性：outward,axes,data) 使用plt.show显示图像
ax.spines[‘left‘].set_position((‘data‘,0)) plt.show()
全部代码如下：
import matplotlib.pyplot as plt import numpy as np x=np.linspace(-3,3,50) y1=2*x + 1 y2=x**2 plt.figure() plt.plot(x,y2) plt.plot(x,y1,color=‘red‘,linewidth=1.0,linestyle=‘--‘) plt.xlim((-1,2)) plt.ylim((-2,3)) plt.xlabel(‘I am x‘) plt.ylabel(‘I am y‘) new_ticks=np.linspace(-1,2,5) print(new_ticks) plt.xticks(new_ticks) plt.yticks([-2,-1.8,-1,1.22,3],[r‘$really\ bad$‘,r‘$bad$‘,r‘$normal$‘,r‘$good$‘,r‘$eally\ good$‘]) ax=plt.gca() ax.spines[‘right‘].set_color(‘none‘) ax.spines[‘top‘].set_color(‘none‘) ax.xaxis.set_ticks_position(‘bottom‘) ax.spines[‘bottom‘].set_position((‘data‘,0)) ax.yaxis.set_ticks_position(‘left‘) ax.spines[‘left‘].set_position((‘data‘,0)) plt.show()
结果如下：
legend 图例
在matplotlib中，我们通常使用其中的legend图例来帮助我们展示每个数据对应的图像名称，从而更好的让读者认识你的数据结构
在这里，我们对图中的两条线进行绘制，首先我们设置两条线的类型信息（蓝色实线和红色虚线）
l1,=plt.plot(x,y2,label=‘linear line‘) l2,=plt.plot(x,y1,color=‘red‘,lineWidth=1.0,linestyle=‘--‘,label=‘square line‘)
legend将要显示的信息来自于上面代码中的label，所以我们只需要简单写一下代码，plt就能自动的为我们添加图例
plt.legend(loc=‘upper right‘)
其中，参数 loc=‘upper right‘ 表示图例将添加在图中的右上角
但是，有时候我们想调整图例的位置和名称，比如如果我们想单独修改之前的label信息，给不同类型的线条设置图例信息，我们可以在plt.legend中输入更多的参数。如果以以下这种形式添加legend，我们需要确保，在上面的代码plt.plot(x,y2,label=‘linear line‘)和plt.plot(‘x,y1,label=‘‘square line‘）中有用变量l1,l2分别存储起来。而且我们需要注意的是l1,l2要以逗号结尾，因为我们需要确保plt.plot()返回的是一个列表。
plt.legend(handles=[l1,l2],labels=[‘up‘,‘down‘],loc=‘best‘)
这样我们就能分别重新设置线条对应的label了
其中,‘loc‘参数有很多，‘best‘表示自动分配最佳位置，其余的如下：
‘best’:0, ‘upper right‘ : 1, ‘upper left‘ : 2, ‘lower left‘ : 3, ‘lower right‘ : 4, ‘right‘ : 5, ‘center left‘ : 6, ‘center right‘ : 7, ‘lower center‘ : 8, ‘upper center‘ : 9, ‘center‘ : 10,
这部分的完整代码如下：
import matplotlib.pyplot as plt import numpy as np x=np.linspace(-3,3,50) y1=2*x + 1 y2=x**2 plt.figure() plt.xlim((-1,2)) plt.ylim((-2,3)) new_ticks=np.linspace(-1,2,5) print(new_ticks) plt.xticks(new_ticks) plt.yticks([-2,-1.8,-1,1.22,3],[r‘$really\ bad$‘,r‘$bad$‘,r‘$normal$‘,r‘$good$‘,r‘$eally\ good$‘]) l1,=plt.plot(x,y2,label=‘linear line‘) l2,=plt.plot(x,y1,color=‘red‘,lineWidth=1.0,linestyle=‘--‘,label=‘square line‘) #plt.legend(loc=‘upper right‘) plt.legend(handles=[l1,l2],labels=[‘up‘,‘down‘],loc=‘best‘) plt.show()
所产生的图像如下：
Annotation标注
在我们画图形需要对某些特殊地方进行标注时，我们可以使用annotation.matplotlib中的annotation中的两种方法，一种是plt里面的annotate，另外一种直接用plt里面的text来写标注
首先，我们绘制一条直线
import matplotlib.pyplot as plt import numpy as np x=np.linspace(-3,3,50) y=2*x + 1 plt.figure(num=1,figsize=(8,5),) plt.plot(x,y,)
之后，我们再移动坐标轴的位置
ax=plt.gca() ax.spines[‘right‘].set_color(‘none‘) ax.spines[‘top‘].set_color(‘none‘) ax.spines[‘top‘].set_color(‘none‘) ax.xaxis.set_ticks_position(‘bottom‘) ax.spines[‘bottom‘].set_position((‘data‘,0)) ax.yaxis.set_ticks_position(‘left‘) ax.spines[‘left‘].set_position((‘data‘,0))
之后，我们再标注出（x0,y0）的位置信息，用plt.plot([x0,x0,],[0,y0,],‘k--‘,linewidth=2.5)画出一条垂直于x轴的虚线
x0=1 y0=2*x0 + 1; plt.plot([x0,x0,],[0,y0,],‘k--‘,linewidth=2.5) plt.scatter([x0, ],[y0, ],s=50,color=‘b‘)
再之后，我们对图像添加一些注释，比如我们可以对(x0,y0)这个点添加注释
plt.annotate(r‘$2x+1=%s$‘ % y0 , xy = (x0,y0) , xycoords=‘data‘ , xytext=(+30,-30) ,
textcoords=‘offset points‘ , fontsize=16 ,
arrowprops=dict(arrowstyle=‘->‘,connectionstyle="arc3,rad=.2"))
我们也可以对文本中添加一些需要的注释
plt.text(-3.7,3,r‘$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$‘,
fontdict={‘size‘:16,‘color‘:‘r‘})
其中，-3.7和3是选取在文本中添加注释的位置，空格需要用到转字符\，fontdict设置字体。
其中，本部分的全部源码是：
import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-3,3,50)
y=2*x + 1
plt.figure(num=1,figsize=(8,5),)
plt.plot(x,y,)
ax=plt.gca()
ax.spines[‘right‘].set_color(‘none‘)
ax.spines[‘top‘].set_color(‘none‘)
ax.spines[‘top‘].set_color(‘none‘)
ax.xaxis.set_ticks_position(‘bottom‘)
ax.spines[‘bottom‘].set_position((‘data‘,0))
ax.yaxis.set_ticks_position(‘left‘)
ax.spines[‘left‘].set_position((‘data‘,0))
x0=1
y0=2*x0 + 1;
plt.plot([x0,x0,],[0,y0,],‘k--‘,linewidth=2.5)
plt.scatter([x0, ],[y0, ],s=50,color=‘b‘)
plt.annotate(r‘$2x+1=%s$‘ % y0 , xy = (x0,y0) , xycoords=‘data‘ , xytext=(+30,-30) ,
textcoords=‘offset points‘ , fontsize=16 ,
arrowprops=dict(arrowstyle=‘->‘,connectionstyle="arc3,rad=.2"))
plt.text(-3.7,3,r‘$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$‘,
fontdict={‘size‘:16,‘color‘:‘r‘})
plt.show()
所产生的图片是：
tick能见度
当我们生成图片太多的时候，往往会出现图片的内容较多，相互掩盖的情况。我们可以通过设置相关内容的透明度来使图片更加容易观察，也即是通过本节中的bbox参数设置来调节图像信息。
参考之前的例子，我们可以绘制出图片的基本信息：
import matplotlib.pyplot as plt import numpy as np x=np.linspace(-3,3,50) y=0.1*x plt.figure() plt.plot(x,y,linewidth=10) plt.ylim(-2,2) ax=plt.gca() ax.spines[‘right‘].set_color(‘none‘) ax.spines[‘top‘].set_color(‘none‘) ax.spines[‘top‘].set_color(‘none‘) ax.xaxis.set_ticks_position(‘bottom‘) ax.spines[‘bottom‘].set_position((‘data‘,0)) ax.yaxis.set_ticks_position(‘left‘) ax.spines[‘left‘].set_position((‘data‘,0))
然后我们对遮挡的图像调节相关透明度，在本例中设置x轴和y轴的刻度数字来进行透明度设置
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(12)
label.set_bbox(dict(facecolor=‘white‘,edgecolor=‘None‘,alpha=0.7))
其中，label.set_fontsize(12)用来重新调整字体大小，set_bbox设置目的内容中关于透明度参数，facecolor调节box前景色，edgecolor设置边框，在本处我们将边框设置成无，alpha用来设置透明度。
在这一阶段，其全部源码为：
import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-3,3,50)
y=0.1*x
plt.figure()
plt.plot(x,y,linewidth=10)
plt.ylim(-2,2)
ax=plt.gca()
ax.spines[‘right‘].set_color(‘none‘)
ax.spines[‘top‘].set_color(‘none‘)
ax.spines[‘top‘].set_color(‘none‘)
ax.xaxis.set_ticks_position(‘bottom‘)
ax.spines[‘bottom‘].set_position((‘data‘,0))
ax.yaxis.set_ticks_position(‘left‘)
ax.spines[‘left‘].set_position((‘data‘,0))
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(12)
label.set_bbox(dict(facecolor=‘white‘,edgecolor=‘None‘,alpha=0.7))
plt.show()
所绘出来的图片为：
