Chapter 9: Plotting and Visualization

颜⾊、标记和线型

matplotlib的plot函数接受⼀组X和Y坐标，还可以接受⼀个表示颜⾊和线型的字符串缩写。例如，要根据x和y绘制绿⾊虚线，你可以执⾏如下代码：

ax.plot(x, y, 'g--')

这种在⼀个字符串中指定颜⾊和线型的⽅式⾮常⽅便。在实际中，如果你是⽤代码绘图，你可能不想通过处理字符串来获得想要的格式。通过下⾯这种更为明确的⽅式也能得到同样的效果：

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

常⽤的颜⾊可以使⽤颜⾊缩写，你也可以指定颜⾊码（例如，'#CECECE'）。你可以通过查看plot的⽂档字符串查看所有线型的合集（在IPython和Jupyter中使⽤plot?）。
线图可以使⽤标记强调数据点。因为matplotlib可以创建连续线图，在点之间进⾏插值，因此有时可能不太容易看出真实数据点的位置。标记也可以放到格式字符串中，但标记类型和线型必须放在颜⾊后⾯（⻅图9-6）：

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

Figure_1.png

还能写成更明确的形式:

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

在线型图中，⾮实际数据点默认是按线性⽅式插值的。可以通过 drawstyle选项修改（⻅图9-7）：

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')

Figure9-7.png

你可能注意到运⾏上⾯代码时有输出<matplotlib.lines.Line2D at ...>。matplotlib会返回引⽤了新添加的⼦组件的对象。⼤多数时候，你可以放⼼地忽略这些输出。这⾥，因为我们传递了label参数到plot，我们可以创建⼀个plot图例，指明每条使⽤plt.legend
347的线。

笔记：你必须调⽤plt.legend（或使⽤ax.legend，如果引⽤了轴的话）来创建图例，⽆论你绘图时是否传递label标签选项。

刻度、标签和图例

对于⼤多数的图表装饰项，其主要实现⽅式有⼆：使⽤过程型的 pyplot接⼝（例如，matplotlib.pyplot）以及更为⾯向对象的原⽣ matplotlib API。
pyplot接⼝的设计⽬的就是交互式使⽤，含有诸如xlim、xticks和 xticklabels之类的⽅法。它们分别控制图表的范围、刻度位置、刻度标签等。其使⽤⽅式有以下两种：

调⽤时不带参数，则返回当前的参数值（例如，plt.xlim()返回当前的X轴绘图范围）。
调⽤时带参数，则设置参数值（例如，plt.xlim([0,10])会将X轴的范围设置为0到10）。

所有这些⽅法都是对当前或最近创建的AxesSubplot起作⽤的。它们各⾃对应subplot对象上的两个⽅法，以xlim为例，就是 ax.get_xlim和ax.set_xlim。我更喜欢使⽤subplot的实例⽅法（因为我喜欢明确的事情，⽽且在处理多个subplot时这样也更清楚⼀些）。当然你完全可以选择⾃⼰觉得⽅便的那个。

设置标题、轴标签、刻度以及刻度标签

为了说明⾃定义轴，我将创建⼀个简单的图像并绘制⼀段随机漫步（如图9-8所示）：

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

Figure 9-8.png

要改变x轴刻度，最简单的办法是使⽤set_xticks和 set_xticklabels。前者告诉matplotlib要将刻度放在数据范围中的哪些位置，默认情况下，这些位置也就是刻度标签。但我们可以通过set_xticklabels将任何其他的值⽤作标签：

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')

The rotation option sets the x tick labels at a 30-degree rotation. Lastly, set_xlabel gives a name to the x-axis and set_title the subplot title (see Figure 9-9 for the resulting figure):

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

Figure 9-9.png

Modifying the y-axis consists of the same process, substituting y for x in the above. The axes class has a set method that allows batch setting of plot properties. From the prior example, we could also have written:

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

Adding legends

Legends are another critical element for identifying plot elements. There are a couple of ways to add one. The easiest is to pass the label argument when adding each piece of the plot: 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>]

Once you’ve done this, you can either call ax.legend() or plt.legend() to automatically create a legend. The resulting plot is in Figure 9-10:

 In [49]: ax.legend(loc='best')

Matplotlib