Matplotlib

• Matplotlib可幫助我們繪製圖形，例如曲線圖長條圖等。使用時須先import matplotlib.pyplot這個模組。

pyplot1.py
import matplotlib.pyplot as plt plt.plot([1,2,3,4])
• import matplotlib並簡稱plt以方便程式撰寫。
• 使用plt.plot()方法來繪製圖形如下。其中參數可為list, tuple, array, Series等皆可。

• plt.plot()方法的格式可為如下兩類:
• plot([x], y, [fmt], data=None, **kwargs)
• plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
• x為x軸資料，y為y軸資料，fmt為format(顏色形狀等)，由以上兩格式可看出x與format是optional，e.g.:。
import numpy as np import pandas as pd import matplotlib.pyplot as plt x = np.arange(10,20) y = pd.Series(np.random.randint(1,10,10)) plt.plot(x,y,'bo')
• 上例中先建立10個元素的array x，再建立10個元素的Series y，然後繪製，'bo'的意思是藍色圓點。
• 上例若是沒有給format('bo')，則會defaultly繪製折線圖。
• 顏色的format有許多選擇，e.g:

Color

b: blue	g: green	r: red
c: cyan	m: magenta	y: yellow
b: black	w: white	#rrggbb: 16進位法方式顯示，此時無法直接與形狀合用。須用關鍵字。

• 形狀的format亦有許多選擇，e.g.:

關於線段(linestyle):

Linestyle

'-' or 'solid

'--' or 'dashed'

'-.' or 'dashdot'

':' or dotted

'None' or '' or ' '


關於點(Marker):

Markers

'.'	','	'o'	'v'	'^'	'<'
'>'	'1'	'2'	'3'	'4'	'8'
's'	'p'	'*'	'h'	'H'	'+'
'x'	'X'	'D'	'd'	'|'	'_'


其他特殊點(使用屬性marker, e.g. marker = r"$\alpha$"):

More Markers

r"$\alpha$"	r"$\beta$"	r"$\gamma$"	r"$\sigma$"	r"$\infty$"	r"$\spadesuit$"
r"$\heartsuit$"	r"$\diamondsuit$"	r"$\clubsuit$"	r"$\bigodot$"	r"$\bigotimes$"	r"$\bigoplus$"
r"$\imath$"	r"$\bowtie$"	r"$\bigtriangleup$"	r"$\bigtriangledown$"	r"$\oslash$"	r"$\ast$"
r"$\times$"	r"$\circ$"	r"$\bullet$"	r"$\star$"	r"$+$"	r"$\Theta$"
r"$\Xi$"	r"$\Phi$"	r"$\$$"	r"$\#$"	r"$\%$"	r"$\S$"

• Plot的其他參數: 以下為部分參數

Arguments

color: color = "#ff00ff"。	dash_capstyle: 'butt', 'round','projecting'。	dash_joinstyle: 'miter', 'round','bevel'。
dashes: dashes(on, off)。e.g. dashes(5,5)。	drawstyle: 'default', 'steps', 'steps-pre', 'steps-mid', 'steps-post'。
linestyle or ls: 'solid', 'dashed', 'dashdot', 'dotted', (offset, on-off-dash-seq) e.g. (10,(5,5,10,2)), '-', '--', '-.', ':', 'None','',' '。
fillstyle: fill the marker。'full', 'left', 'right', 'bottom', 'top', 'none'。		linewidth or lw: linewidth = 5。
marker: marker = r"$\beta$"。	alpha: alpha=0.5。	markeredgecolor or mec: mec = 'blue'。
markeredgewidth or mew: marker edge width，e.g. mew = 1.5。		markerfacecoloralt or mfcalt: mfcalt='pink'。
markerfacecolor or mfc: marker face color，e.g. mfc = "green"。		markersize or ms: ms = 10。
markevery: 每間隔幾個設置marker。'None', 'int', (a,b), slice, list/array, float。		snap: 繪於格子點。snap=True(None)。
solid_capstyle: 'butt', 'round','projecting'。		solid_joinstyle: 'miter', 'round', 'bevel'。

• Example:
import numpy as np import pandas as pd import matplotlib.pyplot as plt x = np.arange(10,20) y = pd.Series(np.random.randint(1,10,10)) plt.plot(x,y,marker="o", color='blue', dash_capstyle="round", drawstyle='steps', fillstyle='left', ls=(10,(5,3,5,5)), mec = 'red', mew = 0.5, mfc = 'green', mfcalt = 'pink', ms = 20, markevery = (1,2))

繪製多個圖型

• 只要將要繪製的圖型資料一一加入即可。
• plt.plot(x1,y1,'bo-',x2,y2,'r+--')會繪製兩條不同型式顏色的曲線。若是沒有加上'-'與'--'，則只有點。

pyplot2.py
import numpy as np import pandas as pd import matplotlib.pyplot as plt x1 = np.arange(10,20) x2 = np.arange(1,11) y1 = pd.Series(np.random.randint(1,10,10)) y2 = pd.Series(np.random.randint(10,20,10)) plt.plot(x1,y1,'bo-',x2,y2,'r+--')
• 也可以分別繪製兩筆資料，若是要強調點跟線的不同，可將點跟線使用不同顏色表示，e.g.
plt.plot(x1,y1,'bx-') plt.plot(x2,y2,color='red', marker = 'o', mfc="b",mec='b', ls=':')

使用data繪製

• 若是有labeled的資料，例如dict，可以不抓取x,y，直接繪製。
• 使用plot([x], y, [fmt], data=None, **kwargs)其中的data。
import numpy as np import pandas as pd import matplotlib.pyplot as plt x1 = np.arange(10,20) x2 = np.arange(1,11) y1 = pd.Series(np.random.randint(1,10,10)) y2 = pd.Series(np.random.randint(10,20,10)) dic1 = {'x1':x1, 'y1':y1} plt.plot('x1','y1','bx-',data=dic1) dic2 = {'x2':x2, 'y2':y2} plt.plot('x2','y2',data=dic2, marker = 'o', mfc='b',mec='b',ls=':', color='r')
• plt.plot('x1','y1','bx-',data=dic1)中第一個參數'x1'為dict中的第一筆資料名稱，'y1'為第二筆資料名稱，這兩筆資料分別為x,y的值。
• Pandas中的資料結構Series與DataFrame都支援plot()方法，直接使用Series.plot()或DataFrame.plot()即可。

pyplot3.py
import numpy as np import pandas as pd import matplotlib.pyplot as plt s = pd.Series(np.array([1,3,5,6,9])) s.plot() df = pd.DataFrame(np.random.randint(1,20,20).reshape(10,2)) df.plot() #也可以使用plt.plot(df.index, df)來繪製
• plot()中一樣有許多參數可以使用來修飾圖型，在console輸入到左括號時會出現關鍵字提示，也可以使用help(s.plot)查詢，其中多個參數會在後面介紹。
• 若要使用df中第一個Series為x，第二個Series為y來繪圖，可以直接取出x與y然後使用plt.plot()來繪圖，其實若不嫌麻煩，都可以將資料取出，然後都使用plt.plot()來繪製即可。
dfx = df[0] dfy = df[1] plt.plot(dfx,dfy,'ro')

圖型的修飾

• 除了圖型顏色與線條，以下形式可以強化圖型的內容表示:

pyplot4.py
import numpy as np import pandas as pd import matplotlib.pyplot as plt x = np.arange(5,25) y = pd.Series(np.random.randint(5,45,20)) plt.figure(figsize=(8,6)) # set the size before other settings plt.title("August", fontsize = 30, color='blue', fontname='castellar', pad = 10) plt.xlabel('Day', color='g', fontsize = 15) plt.ylabel('Temperature', color='c', fontsize = 15, fontname = 'Times New Roman') plt.axis([0 ,30, 0, 50]) plt.grid(True) plt.tick_params(axis='y', labelcolor='r') for i in range(len(x)): plt.text(x[i]+0.5, y[i]+0.5, y[i]) plt.minorticks_on() plt.plot(x,y,'bo:', mfc = 'red', mec='red') plt.legend(['oC'],loc=0)
• plt.figure(figsize=(8,6))可設定圖型大小，但要放在其他設定之前。plt.figure()的部份其他屬性如下:
• figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=, clear=False, **kwargs)
• 使用e.g. facecolor='#123456'與edgecolor='#abcdef'來改變背景顏色。
• dpi : integer, optional, default: None解析度，圖型大小跟著改變。
• plt.title()可建立圖型的title。
• fontdict: dictionary including fontsize, fontweight, verticalalignment(top, center, baseline), horizontalalignment(left, center, right)
• loc: title location, loc='left','center','right'。
• plt.xlabel()與plt.ylabel()可設定x,y軸的label。
• color: color='g'
• fontsize: fontsize = 15
• fontname: fontname = 'Times New Roman'
• plt.axis()用來設定axis的範圍。
• plt.grid(b=None, which='major', axis='both', **kwargs)。
• **kwargs可以使用line的參數，e.g. color="brown"。
• plt.tick_params(axis='both', **kwargs):改變tick的型態。
• plt.text(x, y, s, fontdict=None, withdash=False, **kwargs):可顯示文字於圖型。
• 在(x,y)位置顯示s文字。
• fontdict: 文字的性質，e.g. color='green'
• 若要顯示數學符號，可參考這個網頁
• plt.minorticks_on() vs plt.minorticks_off():開啟關閉minor ticks。
• plt.legend():顯示圖例。
• 定義在plot()之後。
• loc定義其位置，由0到10分別對應best, upper right, upper left, lower left, lower right, right,center left, center right, lower center, upper center, center。使用數字或文字皆可，亦即loc=1相等於loc='upper right'。可使用loc=0讓程式自己自動找最佳位置。

日期時間

• 如果某一軸是時間，因為時間需要較多文字顯示，顯示時可能會混雜在一起，例如:

pyplot5.py
import numpy as np import pandas as pd import matplotlib.pyplot as plt dates = pd.date_range('01/01/2018', periods = 12, freq = 'D') ydata = np.random.randint(1,30,12) plt.plot(dates, ydata)
• 上圖可見x軸的日期互相交錯在一起，難以辨識。可以嘗試以下方式:
import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib.dates as mdates months = mdates.MonthLocator() days = mdates.DayLocator() timeFmt = mdates.DateFormatter('%m-%d') dates = pd.date_range('01/01/2018', periods = 12, freq = '12D') ydata = np.random.randint(1,30,12) fig, ax = plt.subplots() plt.plot(dates, ydata, 'rD', markersize='10') ax.xaxis.set_major_locator(months) ax.xaxis.set_major_formatter(timeFmt) ax.xaxis.set_minor_locator(days)

繪製數學函數

• 數學函數繪製

pyplot6.py
import numpy as np import matplotlib.pyplot as plt import math x = np.arange(-3*math.pi, 3*math.pi, 0.01) y = np.sin(5*x)/x plt.text(-7.5, 4, r'y=sin(5*x)/x', fontsize=12, color='b', bbox={'facecolor':'y','alpha':0.3}) plt.plot(x,y)
• 將x軸的tick顯示為pi，加上以下這一行。
plt.xticks([-3*math.pi, -2*math.pi, -math.pi, 0, math.pi, 2*math.pi, 3*math.pi], [r'$-3\pi$', r'$-2\pi$', r'$-\pi$', r'$0$', r'$\pi$', r'$2\pi$', r'$3\pi$', ])
• 繪製其他函數線段，並加上文字。
import numpy as np import matplotlib.pyplot as plt import math x = np.arange(-3*math.pi, 3*math.pi, 0.01) y5 = np.sin(5*x)/x y3 = np.sin(3*x)/x y1 = np.sin(x)/x plt.text(-7.5, 4, r'y=sin(n*x)/x', fontsize=12, color='b', bbox={'facecolor':'y','alpha':0.3}) plt.plot(x,y1,'g-') plt.plot(x,y3,'r:') plt.plot(x,y5,'b--') plt.xticks([-3*math.pi, -2*math.pi, -math.pi, 0, math.pi, 2*math.pi, 3*math.pi], [r'$-3\pi$', r'$-2\pi$', r'$-\pi$', r'$0$', r'$\pi$', r'$2\pi$', r'$3\pi$', ]) plt.annotate(r'$\lim_{x\to 0}\frac{\sin(x)}{x}=1$', xy = [0,1], xycoords = 'data', xytext = [30,30], fontsize = 16, textcoords = 'offset points', arrowprops = dict(arrowstyle = "->", connectionstyle = "arc3, rad=.2"))
• 可以進一步使用以下方式改變軸的位置，在原來的code下加上以下程式碼。
ax = plt.gca() ax.spines['right'].set_visible(False) ax.spines['top'].set_color('none') ax.spines['bottom'].set_position(('data',0)) ax.spines['left'].set_position(('data',0)) ax.xaxis.set_ticks_position('bottom') ax.yaxis.set_ticks_position('left')
• 使用plt.gca()方法取得圖型脊柱(spines)，共有四邊。
• 將上方(top)與右邊(right)脊柱設定為不可見或是無顏色，e.g.set_visible(False) or set_color('none')
• 移動左邊(left)與下方(bottom)的spines至預定位置，使用data關鍵字，位置為0，表示以資料為中心，若修改數字則會移動至其他位置。(將data改為outword將由原位置開始計算移動)
• 使用ax.xaxis.set_ticks_position('bottom')方式先取得xaxis，然後設定其ticks位置。

Multiple Figures & Axes

• 之前提過可以在一個圖表內繪製多個圖型，若是要繪製多個圖表並列做比較用途，可使用subplot。

pyplot7.py
import numpy as np import matplotlib.pyplot as plt x = np.arange(0,5,0.1) y1 = np.sin(2*np.pi*x) y2 = np.cos(2*np.pi*x) plt.subplot(211) plt.plot(x,y1,'b-.') plt.subplot(212) plt.plot(x,y2,'r--')
• subplot(nrows, ncols, index, **kwargs): plt.subplot(211)中的211代表的意思是2個row，1個column，其中的第1個圖。212就代表2個row，1個column，其中的第2個圖。
• 依此類推，若是圖型為左右並列，則使用(121)與(122)，若是排列成2x2形式，則使用(221)(222)(223)(224)，一個row一個row填滿。。
• 可以加上其他**kwargs例如: facecolor, polar(default: False), projection(has to be a previously registered project)。
• 如果圖型會跨越兩個或以上個tile，可使用以下方式:
import numpy as np import matplotlib.pyplot as plt x = np.arange(0,5,0.1) y1 = np.sin(2*np.pi*x) y2 = np.cos(2*np.pi*x) y3 = np.tan(2*np.pi*x) plt.subplot(221, facecolor = 'lightgray') plt.plot(x,y1,'b-.') plt.subplot(2,2,2, polar = True) plt.plot(x,y2,'r--') plt.subplot(2,1,2) plt.plot(x,y3,'g:')
• 嘗試改為(222)(224)(121)。
• 若要有更複雜的子圖型配置，可以使用plt.GridSpec()方法。
import numpy as np import matplotlib.pyplot as plt x = np.arange(0,5,0.1) y1 = np.sin(2*np.pi*x) y2 = np.cos(2*np.pi*x) y3 = np.tan(2*np.pi*x) y4 = np.log(x+1) y5 = np.sin(np.pi*x) grid = plt.GridSpec(3,3,wspace=0.5,hspace=0.5) plt.subplot(grid[0,0:3]) plt.plot(x,y1,'b-.') plt.subplot(grid[1,0:2]) plt.plot(x,y2,'r--') plt.subplot(grid[2,0]) plt.plot(x,y3,'g:') plt.subplot(grid[2,1]) plt.plot(x,y4,'b-') plt.subplot(grid[1:3,2]) plt.plot(x,y5,'y-')
• 首先使用plt.GridSpec(3,3,wspace=0.5,hspace=0.5)取得格網物件，3,3分別代表row與column個數，wspace與hspace則代表寬高兩向的圖型空隙。
• 在subplot()方法中直接使用grid[]來表示該子圖所占的位置，e.g. 0, 0:3為第0row，0,1,2column。

顯示圖片

• 顯示圖片的方式:

pyplot8.py
import numpy as np import matplotlib.pyplot as plt from scipy.misc import imread img1 = imread('./pic/flower1.jpg') img2 = imread('./pic/flower2.jpg') img2_tinted = img2*[1, 0.95, 0.9] plt.subplot(1,2,1) plt.imshow(img1) plt.axis('off') plt.subplot(122) plt.imshow(np.uint8(img2_tinted))
• 使用scipy.misc中的imread來讀取圖片。
• img2_tinted = img2*[1, 0.95, 0.9]: 圖型陣列成以顏色陣列(R,G,B)，可修改顏色與色調。
• 使用imshow()方法來顯示圖片，使用np.unit8()方法來將其cast成unit8格式。
• 可使用plt.axis('off')來關閉x,y軸。