这篇文章给大家分享的是有关怎么用Matplotlib进行数据可视化的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。
<强> 01导入Matplotlib
如果你安装了完整的Python水蟒,那么你已经安装了Matplotlib,可以开始了。否,则你可能要访问官网获取安装说明。http://matplotlib.org
就像我们用缩写np来表示NumPy一样,我们也会用一些标准的缩写来表示Matplotlib导入:
import matplotlib as mpl
import matplotlib.pyplot as plt
plt是我们最常用的一个接口。
<强> 02生成一个简单的图形
言归正传,让我们创建第一个图形。
假设我们要绘制正弦函数罪(x)的一个简单线图。我们希望函数求x轴(0,勒;x& le; 10)上的所有值。我们将使用NumPy的linspace函数在x轴上创建一个线性空间,x值从0到10,共100个样本点:
import numpy as np
x =, np.linspace(0, 10日,100)
我们可以使用NumPy的罪恶函数求罪函数的所有x值,并通过调用plt的情节函数可视化结果:
plt.plot (x), np.sin (x))
你亲自试过了吗?发生什么了?有什么发现吗?
问题是,这取决于你在何处运行这个脚本,你可能什么都看不到。以下是可以考虑的可能性:
<强> 1。从py脚本绘图
如果你正从一个脚本运行matplotlib,那么你只需要调用plt,如下所示:
plt.show ()
调用后,图形就会显示出来!
<强> 2。从IPython shell绘图
这实际上是以交互方式运行matplotlib的最便捷的方式之一。要显示绘图,你需要在启动IPython之后,调用% matplotlib魔术命令:
% matplotlib , Using matplotlib 后端:,Qt5Agg
import matplotlib.pyplot as plt
然后,所有图都会自动显示出来,不必每次都调用plt.show ()。
<强> 3。从Jupyter Notebook绘图
如果你从基于浏览器的Jupyter Notebook上查看这段代码，你需要使用同样的%matplotlib魔术命令。可是，你还可以选择将图形直接嵌入notebook中，这有两种可能的结果：
%matplotlib notebook将生成的交互式图嵌入notebook中。
%matplotlib inline将生成的静态图嵌入notebook中。
我们通常会选择内联选项：
%matplotlib inline
现在，让我们再试一次：
plt.plot(x, np.sin(x))
上述命令给出的输出如图2-4所示。
▲图2-4 应用内联选项生成的图
稍后，如果你想保存图表，可以直接从IPython或Jupyter Notebook的选项中保存：
plt.savefig('figures/02.03-sine.png')只要保证使用所支持的文件后缀即可，例如.jpg、.png、.tif、.svg、.eps或者.pdf。
在导入matplotlib之后，运行plt.style.use(style_name)，你可以更改绘图的样式。在plt.style.available中列出了所有可用的样式。例如，试试plt.style.use('fivethirtyeight')、plt.style.use('ggplot')或者plt.style.use('seaborn-dark')。为了增加乐趣，可以运行plt.xkcd()，再尝试绘制其他内容。
03 可视化外部数据集的数据
作为本文的最后一个测试，让我们可视化一些来自外部数据集的数据，例如scikit-learn的digits数据集。
具体来说，我们将需要3个可视化工具：
用于实际数据的scikit-learn
用于数据处理的NumPy
Matplotlib
首先，让我们导入所有这些可视化工具：
import numpy as np from sklearn import datasets import matplotlib.pyplot as plt %matplotlib inline
第一步是实际加载数据：
digits = datasets.load_digits()
如果我们没有记错的话，digits应该有2个不同的字段：一个是data字段，包含实际的图像数据；另一个是target字段，包含图像标签。
与其相信我们的记忆，不如让我们研究一下digits对象。这通过输入字段名称、添加句点、再按下Tab键—digits.
print(digits.data.shape) print(digits.images.shape)
输出结果：
