前言

這篇跟下篇都會介紹繪圖工具。這篇會介紹 Matplotlib。

此篇文是由 Joyce 所撰寫

實作連結

• colab - Matplotlib

Matplotlib

• Matplotlib是NumPy可視覺化的操作介面，也是Python最常見的繪圖軟件
• 它是一種圖像處理工具，與Matlab相似，最大的不同點是它可以結合Python的其他函數，及Matplotlib是免費的
• Matplotlib的預設參數是可以進行更改的，像是顏色、大小、字體等

環境準備

如果想用自己的電腦來跑的話需要安裝 Package

# For anoconda (recommend)
$ conda install matplotlib

# For pip
$ pip install matplotlib

小試身手

在正式開始介紹之前，先來個小小的練習，前面說到Matplotlib是NumPy的圖形介面，因此我們引入NumPy，做個簡單的介紹。

實作

import numpy as np # 引入NumPy
from matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(20) # x軸的值
y = 3 * x + 1  # y軸的值

plt.title("practice") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.plot(x,y) # 繪製x,y軸的圖
plt.show() # 顯現圖形

(座標)圖形的基本組成會有

• title : 標題，即這個圖形名稱
• xlabel : x軸的名稱，有時可以加註單位
• ylabel : y軸的名稱，有時可以加註單位
• plot : 繪製，建立好各自的座標後，利用plot進行繪製，
• show : 顯示，利用plot繪製好的圖形是不會顯現出來的，需要用show才可以將圖形呈現出來

特別注意，Matplotlib的標題及名稱是不支援中文的，如果打中文的話，會顯示不出來。可以另外下載套件支援中文的輸入。

線的樣式

進行座標圖形的繪製時，預設線的樣式是實線，可用以下的參數進行修改，參數的關鍵字是linestyle，也可以用簡寫ls，

• $-$ 實線
• $--$ 虛線
• $:$ 點線

實作

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(20) # x軸的值
y = 3 * x + 1  # y軸的值

plt.title("change linestyle") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.plot(x,y,ls = "--") # 繪製x,y軸的圖
plt.show() # 顯現圖形

線條粗細

可以利用參數linewidth，將線條的粗細進行改變，預設值是1，數值越大越粗，愈小則越細

實作

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(20) # x軸的值
y = 3 * x + 1  # y軸的值

plt.title("change linewidth") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.plot(x,y,linewidth = 5) # 繪製x,y軸的圖
plt.show() # 顯現圖形

顏色改變

在繪製圖形時，預設的線條顏色是藍色，想要改變顏色的話，只需要把參數加上去即可。常見的方法有兩種

1. color = "某顏色"，例如 : color = "藍色"
2. color = 十六進制表示法，例如 : color = "#FFFF00"

實作

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(20) # x軸的值
y = 3 * x + 1  # y軸的值

plt.title("change color") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.plot(x,y, color = "red") # 繪製x,y軸的圖
plt.show() # 顯現圖形

加上圖例

當圖形中有兩條以上的線條時，加上圖例可以讓圖形更加完整。圖例的參數是legend，常用的語法

1. loc : 位置，即圖例是放置在哪

best 會依據圖形選擇一個最好的位置(1~10其中一個)，預設為best

2. fontsize : 字體大小，可以數值表示，單位是points，或設定好大小的參數
   • 數值
   • xx-small
   • x-small
   • small
   • medium
   • large
   • x-large
   • xx-large

實作

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(20) # x軸的值
y1 = 3 * x + 1  # y軸的值
y2 = -3 * x + 20  # y軸的值

plt.title("add legend") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.plot(x,y1, color = "red", label = "y1") # 繪製x,y1的圖
plt.plot(x,y2, ls = "--", label = "y2") # 繪製x,y2的圖
plt.legend(loc = 0, prop={'size': "x-large"})
plt.show() # 顯現圖形

座標圖

上面的例子全部都是座標圖的舉例，下面換一個sin的函數作呈現。

實作

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(-180, 180)
y = np.sin(x * np.pi / 180.0)

plt.title("change color") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.plot(x, y) # 繪製x,y軸的圖
plt.show() # 顯現圖形

散佈圖

散佈圖即點圖，在平面上分布，常應用於相關的分析上，繪製散佈圖需用scatter這個函數。

實作

import matplotlib.pyplot as plt # 引入matplotlib的函數

x = [1,2,8,9,3,4,5,6] # x軸的值
y = [3,1,8,5,4,3,2,6]  # y軸的值

plt.title("scatter diagram") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.scatter(x, y) # 繪製散佈圖
plt.show() # 顯現圖形                       

直方圖

直方圖是用來呈現一維的資料，要繪製時，需使用hist這個函數。經常直方圖會用來表示累積的資料，此時需將參數cumulative設定為True，預設為False。

實作

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

data = np.random.normal(size = 50) # 產生50個常態分配的亂數
plt.title("histogram") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.hist(data)# 繪製直方圖
plt.show() # 顯現圖形        

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

data = np.random.normal(size = 50) # 產生50個常態分配的亂數
plt.title("histogram2") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.hist(data,cumulative=True)# 繪製直方圖
plt.show() # 顯現圖形 

長條圖

長條圖是用來呈現二維的資料，繪製時，需使用bar這個函數。bar是直的顯示，若想要橫向顯示，需使用barh。

實作

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(1,11) # x軸的值
y = [3,1,8,5,4,2,4,6,3,7]  # y軸的值

plt.title("bar chart") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.bar(x, y) # 繪製長條圖
plt.show() # 顯現圖形 

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(1,11) # y軸的值
y = [3,1,8,5,4,2,4,6,3,7]  # x軸的值

plt.title("bar chart2") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.barh(x, y) # 繪製長條圖
plt.show() # 顯現圖形 

折線圖

折線圖在Matplotlib裡跟座標圖的寫法一樣，利用plot的函數繪製。

實作

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

x = np.arange(1, 9) # x軸的值
y = [3,1,8,5,4,3,2,6]  # y軸的值

plt.title("line chart") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.plot(x, y) # 繪製折線圖
plt.show() # 顯現圖形        

圓餅圖

有時，資料比較適合用圓餅圖呈現，可以用pie這個函數繪製出圓餅圖。

實作

import numpy as np # 引入NumPy
import matplotlib.pyplot as plt # 引入matplotlib的函數

category = ["clothing", "book", "meal", "snacks"] # 總類名稱
expand = [2000, 1500, 3000, 800]  # 圓餅圖的值
color = ["rea", "yellow", "blue", "green"] # 設定顏色

plt.title("pie chart") # 圖的標題
plt.xlabel("x axis") # x軸的名稱
plt.ylabel("y axis") # y軸的名稱
plt.pie(expand, label = category, color = color) # 繪製圓餅圖
plt.show() # 顯現圖形 

子圖

有時候，會將圖表放在一起比較，這時候使用子圖(subplot)就會很方便，它可以將圖形進行切割，並在各個位置擺上子圖。繪製子圖需要三個重要的參數

1. nrows : 切割的列數
2. ncols : 切割的行數
3. index : 放在哪個格子裡

例如:

實作

import matplotlib.pyplot as plt # 引入matplotlib的函數

fig = plt.figure()    #創建圖表
sub1 = fig.add_subplot(2, 2, 1) # 添加子圖表1
sub2 = fig.add_subplot(2, 2, 2) # 添加子圖表2
sub3 = fig.add_subplot(2, 2, 3) # 添加子圖表3
sub4 = fig.add_subplot(2, 2, 4) # 添加子圖表4

sub1.plot(np.arange(5), [8,5,3,6,7]) # 繪製子圖1
sub2.plot(np.arange(5), [2,4,2,5,6]) # 繪製子圖2
sub3.plot(np.arange(5), [4,3,5,6,1]) # 繪製子圖3
sub4.plot(np.arange(5), [8,2,4,3,5]) # 繪製子圖4

plt.show() # 顯現圖形

結語

今天的繪圖方式跟明天的很像，只是在使用的方式上不一樣，那明天見了！

參考資料

• Matplotlib - 維基百科
• NumPy Matplotlib