Figures

除了可以使用前述的plot()方法來繪圖之外，Matplotlib尚提供其他方法來繪製其他形式的圖表。

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)[source]:scatter是散佈圖，當然也可以使用plot()來繪製散佈圖。

	import numpy as np
	import matplotlib.pyplot as plt

	x = np.arange(10)
	y = np.random.randint(1, 10, 10)
	plt.figure(figsize=(8,6))
	plt.scatter(x, y, color='red', marker=r'$\heartsuit$')

	for i in range(len(x)):
		t = "({},{})".format(str(x[i]),str(y[i]))
		plt.text(x[i]+0.1, y[i]+0.2, t)

hist(x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, normed=None, hold=None, data=None, **kwargs)[source]:統計直條圖。

	import numpy as np
	import matplotlib.pyplot as plt
	values = np.random.randn(1000)
	n,bins,patches = plt.hist(values, bins=20, rwidth=0.8)

Bar chart有以下三種語法:

bar(x, height, *, align='center', **kwargs)
bar(x, height, width, *, align='center', **kwargs)
bar(x, height, width, bottom, *, align='center', **kwargs)

	import numpy as np
	import matplotlib.pyplot as plt

	x = [i for i in range(10)]#x = ['a','b','c','d','e','f','g','h','i','j']
	y = np.random.randint(1,100,10)
	plt.bar(x,y)

可以在之後使用plt.xticks(x,[...])來修改ticks的顯示。也可以直接使用tick_label屬性來改變，e.g. tick_label=['a','b','c','d','e','f','g','h','i','j']
width表示長條的寬度(default: 0.8)，color為長條顏色。
linewidth為長條邊框寬度，edgecolor為長條邊框顏色。
align表示長條的對應位置，可選擇center(default)與edge兩種。
log=True(False): y軸的值取log。

Barh為水平向的bar chart，一樣有三種語法:

barh(y, width, *, align='center', **kwargs)
barh(y, width, height, *, align='center', **kwargs)
barh(y, width, height, left, *, align='center', **kwargs)

	import numpy as np
	import matplotlib.pyplot as plt

	x = [i for i in range(10)]#x = ['a','b','c','d','e','f','g','h','i','j']
	y = np.random.randint(1,100,10)
	plt.barh(x,y,height = 0.3,linewidth = 1,color='blue',edgecolor='red',log=True)

原則上皆與bar chart類似，但是方向相反，所以x改為y，width改為height，bottom改為left。
無論是直條圖還是橫條圖，都可以加上err，以橫條圖為例:

	import numpy as np
	import matplotlib.pyplot as plt

	index = ['A','B','C','D','E','F','G','H','I','J']
	values = np.random.randint(1,100,10)
	err = [2 for i in range(10)]
	plt.barh(index, values, xerr = err, 
			 error_kw={'ecolor':'red', 'capsize':6},
			 alpha = 1, label = 'Some Data')
	plt.legend(loc = 0)

xerr=err: 每一筆資料對應的錯誤範圍值。
error_kw={'ecolor':'red', 'capsize':6}: ecolor: err線段顏色，capsize: err的cap大小。
alpha: transparency。
若是有多種資料，一樣類似方法繪製。

	import numpy as np
	import matplotlib.pyplot as plt

	index = np.arange(10)
	value1 = np.random.randint(1,100,10)
	value2 = np.random.randint(1,100,10)
	value3 = np.random.randint(1,100,10)
	err = [2 for i in range(10)]
	plt.title('Multiseries Bar Chart', fontsize=20, color='b')
	gap = 0.3
	plt.bar(index, value1, gap, color='b', yerr=err, error_kw={'capsize':3}, label='Data 1')
	plt.bar(index+gap, value2, gap, color='g', yerr=err, error_kw={'capsize':3}, label='Data 2')
	plt.bar(index+2*gap, value3, gap, color='r', yerr=err, error_kw={'capsize':3}, label='Data 3')
	plt.xticks(index+gap, index)
	plt.legend(loc=0)

gap設計來移動條圖的位置，以免重疊在一起。
plt.xticks(index+gap, index): 移動ticks位置，使其對齊條圖中間。

Stacked Bar Chart

	import numpy as np
	import matplotlib.pyplot as plt

	index = np.arange(5)
	value1 = np.random.randint(1,20,5)
	value2 = np.random.randint(1,20,5)
	value3 = np.random.randint(1,20,5)
	plt.title('Stacked Bar Chart', fontsize=20, color='b')
	plt.bar(index, value1, color='b', label='Data 1')
	plt.bar(index, value2, color='g', label='Data 2', bottom=value1)
	plt.bar(index, value3, color='r', label='Data 3', bottom=value1+value2)
	plt.legend(loc=0)

一樣使用plt.bar(plt.barh)來建立，只是要記得加上bottom=value1與bottom=value1+value2來表示資料的堆疊關係。餘皆相同。
若是要繪製橫向Stacked Bar Chart，要記得將bottom改為left。
上述的長條圖，都可以加上hatch來增加圖案，使得各筆資料間區隔更明顯。以下使用橫向Stack Bar Chart為例。

	import numpy as np
	import matplotlib.pyplot as plt

	index = np.arange(5)
	value1 = np.random.randint(1,20,5)
	value2 = np.random.randint(1,20,5)
	value3 = np.random.randint(1,20,5)
	plt.title('Stacked Bar Chart with hatch', fontsize=20, color='b')
	plt.barh(index, value1, color='b', edgecolor='r', label='Data 1', hatch="//")
	plt.barh(index, value2, color='g', edgecolor='b', label='Data 2', left=value1, hatch="+++")
	plt.barh(index, value3, color='r', edgecolor='g', label='Data 3', left=value1+value2, hatch="x")
	plt.legend(loc=0)

hatch可以使用的圖案有: -,+,x,\\,/,*,o,O,.，\\必須至少兩條，免得被錯認為逸出字(escape character)。
給予的符號數量越多，表示圖形密度越高，e.g. hatch=".", hatch="..", hatch="..."

雙向長條圖

	import numpy as np
	import matplotlib.pyplot as plt

	index = np.arange(1,9)
	value1 = np.random.randint(1,10,8)
	value2 = np.random.randint(1,10,8)
	plt.ylim(-10,10)
	plt.bar(index, value1, width=0.8, facecolor='r', edgecolor='g', linewidth=2, label='Data 1')
	plt.bar(index, -value2, width=0.8, facecolor='b', edgecolor='k', linewidth=2, label='Data 2')
	plt.grid(True)
	for x,y in zip(index, value1):
		plt.text(x, y+0.2, y, ha='center', va='bottom')
	for x,y in zip(index, value2):
		plt.text(x, -y-1.2, y, ha='center', va='bottom')
	plt.legend(loc=0)

就是長條圖，把另一筆資料顯示在-y方向。
標示文字訊息時，使用zip()函數來取得座標，ha表示horizontalalignment，va表示verticalalignment。

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, hold=None, data=None)

	import numpy as np
	import matplotlib.pyplot as plt

	label = ['Book', 'Pen', 'Key', 'Desk', 'Board']
	amount = np.random.randint(1,100,5)
	plt.title("Office Items", fontsize=20, color='b')
	plt.pie(amount, labels=label, explode=[0.15,0,0,0,0], startangle=0, shadow=True, autopct='%.2f%%')
	plt.axis('scaled') # scaled, tight, on, off, image, equal, auto, normal, square

跟之前類似需要x與y，在此使用label與amount表示。
explode=[0.15,0,0,0,0]: 第一項資料(在此為Book)外突0.15。
startangle=0: 從0度開始，逆時針方向。
shadow=True: 加上陰影。
autopct='%.2f%%': 自動計算比例，格式為小數後兩位。若要去除百分比號，可使用"%.2f"。
plt.axis('scaled'): 改變圖型的軸，請自行嘗試其他選項。

matplotlib.pyplot.contour([X, Y,] Z, [levels], **kwargs)

	import numpy as np
	import matplotlib.pyplot as plt

	x = np.arange(-3,3,0.01)
	y = np.arange(-3,3,0.01)
	m,n = np.meshgrid(x,y)
	def f(p,q):
		return (1-q**5+p**5)*np.exp(-p**2-q**2)
	C = plt.contour(m, n, f(m,n), 8, colors='black')
	plt.contourf(m, n, f(m,n), 16, alpha=0.8) # cmap=plt.cm.hot
	plt.clabel(C, inline=1, fontsize=10)
	plt.colorbar()

建立x,y兩筆資料，使用np.meshgrid(x,y)建立格子點座標。
建立一個函數，計算任一筆座標的對應高度。
plt.contour(m, n, f(m,n), 8, colors='black'): 繪製等高線圖的輪廓，共8層。
plt.contourf(m, n, f(m,n), 8, alpha=0.5): 使用顏色填滿等高線圖。
plt.clabel(C, inline=1, fontsize=10): 標示等高線圖的數值，若inline=0表示連續線段，會與數值重疊。
plt.colorbar(): 產生圖旁的顏色比例尺。
若是在plt.contourf()內加上參數cmap=plt.cm.hot，表示為溫度量圖，圖型會套用溫度量圖的設定。
Check more information here。

matplotlib.pyplot.polar(theta, r, **kwargs)

	import numpy as np
	import matplotlib.pyplot as plt

	def genColor():
		return '#'+''.join([np.random.choice(list('0123456789abcdef')) for i in range(6)])
    
	N=8
	theta = np.arange(0,2*np.pi,2*np.pi/N)
	radii = np.random.randint(1,12,8)
	plt.axes([0.05,0.05,0.95,0.95], polar=True)
	plt.bar(theta, radii, width=(2*np.pi/N), bottom=0, color=[genColor() for i in range(N)])

為了使用顏色分辨各筆資料，建立genColor()函數來產生隨機顏色碼。
plt.axes([0.05,0.05,0.95,0.95], polar=True): 繪製軸線，第一個參數為左上角及右下角座標，亦即可利用此來控制大小。polar須為True來形成圓形。
plt.bar(theta, radii, width=(2*np.pi/N), bottom=0, color=[genColor() for i in range(N)]): 計算平均寬度讓每一項佔有一樣的弦寬，bottom=0表示連至圓心。

mplot3D: Axes3D.plot(xs, ys, *args, **kwargs)

	import numpy as np
	import matplotlib.pyplot as plt
	from mpl_toolkits.mplot3d import Axes3D

	fig = plt.figure()
	ax = Axes3D(fig)
	theta = np.linspace(-4*np.pi, 4*np.pi, 100)
	z = np.linspace(-2,2,100)
	r = z**2+1
	x = r*np.sin(theta)
	y = r*np.cos(theta)
	ax.plot(x, y, z, label='parametric curve', color='r')
	ax.legend(loc=0, fontsize=12)

為了繪製3D圖型，需要from mpl_toolkits.mplot3d import Axes3D。
ax = Axes3D(fig): 將figure cast成為3D物件。
ax.plot(x, y, z, label='parametric curve', color='r'): 給x,y,z參數值即可繪製3D線形圖。

mplot3D: Axes3D.scatter(xs, ys, zs=0, zdir='z', s=20, c=None, depthshade=True, *args, **kwargs)

	import numpy as np
	import matplotlib.pyplot as plt
	from mpl_toolkits.mplot3d import Axes3D

	x1 = np.random.randint(10,20,100)
	y1 = np.random.randint(10,20,100)
	z1 = np.random.randint(10,30,100)

	x2 = np.random.randint(10,20,100)
	y2 = np.random.randint(30,40,100)
	z2 = np.random.randint(30,50,100)

	x3 = np.random.randint(70,80,100)
	y3 = np.random.randint(10,20,100)
	z3 = np.random.randint(30,50,100)
	fig = plt.figure()
	ax = Axes3D(fig)
	ax.scatter(x1, y1, z1, color='g', marker='1')
	ax.scatter(x2, y2, z2, color='r', marker='^')
	ax.scatter(x3, y3, z3, color='b', marker='*')
	ax.set_xlabel('X')
	ax.set_ylabel('Y')
	ax.set_zlabel('Z')
	plt.title('3D Scatter', color='b', fontsize=20)

設計三組(x,y,z)座標，並分別使用ax.scatter()方法繪製散佈圖。
使用ax.set_xlabel('X')設定坐標軸的label。

Axes3D.plot_wireframe(X, Y, Z, *args, **kwargs)
Axes3D.plot_surface(X, Y, Z, *args, **kwargs)

	import numpy as np
	import matplotlib.pyplot as plt
	from mpl_toolkits.mplot3d import Axes3D

	x = np.arange(-5,5,0.25)
	y = np.arange(-5,5,0.25)
	x, y = np.meshgrid(x,y)
	z = np.sin(np.sqrt(x**2+y**2))

	fig = plt.figure()
	ax = Axes3D(fig)
	ax.plot_wireframe(x,y,z,rstride=1,cstride=1)
	surf = ax.plot_surface(x,y,z,rstride=1, color='tomato', cmap=plt.cm.hot)#cmap=plt.cm.hot or cmap=plt.cm.coolwarm
	fig.colorbar(surf, shrink=0.5, aspect = 15) # not needed if no cmap
	ax.set_xlabel('X')
	ax.set_ylabel('Y')
	ax.set_zlabel('Z')
	ax.view_init(elev=60, azim=125)

ax.plot_wireframe(x,y,z,rstride=1,cstride=1): 繪製網格，若僅有此指令顯示圖型架構網格。
ax.plot_surface(x,y,z,rstride=1, color='tomato'): 繪製表面。
rstride=1表示row跨度，cstride=1表示column跨度，跨度越小表示線條越密。
ax.view_init(elev=60, azim=125): 視角，elev上下旋轉，azim左右旋轉。
cmap=plt.cm.hot: 將plt.com.hot之設定應用到圖型上。
fig.colorbar(surf, shrink=0.5, aspect = 15): 若沒有cmap，則無作用。shrink=0.5控制長度，aspect = 15控制寬度。

bar3d(x, y, z, dx, dy, dz, color=None, zsort='average', shade=True, *args, **kwargs)

	import numpy as np
	import matplotlib.pyplot as plt
	from mpl_toolkits.mplot3d import Axes3D

	fig = plt.figure()
	ax = Axes3D(fig)

	x = np.arange(4)
	y = np.arange(5)
	x, y = np.meshgrid(x,y)
	x, y = x.ravel(), y.ravel()
	'''
	x = np.random.randint(1,20,20)
	y = np.random.randint(1,20,20)
	'''
	z = x+y
	bottom = np.zeros_like(z)

	ax.bar3d(x,y,bottom, dx=0.5, dy=0.5,dz=z,color='g',shade = True)
	ax.set_xlabel('X')
	ax.set_ylabel('Y')
	ax.set_zlabel('Z')
	ax.view_init(elev=60, azim=125)

設計x,y,z的值，在此三者皆為1D-array(所以使用ravel()，可嘗試直接建立長度為20的array)。
ax.bar3d(x,y,bottom, 0.5, 0.5,z,color='g',shade = True): dx與dy為x,y的寬度，z到dz為z的長度(柱子高度)。

另一個方式可以繪製2D於3D，e.g.

	import numpy as np
	import matplotlib.pyplot as plt
	from mpl_toolkits.mplot3d import Axes3D

	x = np.arange(5)
	y1 = np.random.randint(0,10,5)
	y2 = np.random.randint(0,10,5)
	y3 = np.random.randint(0,10,5)
	z1 = np.random.randint(0,10,5)
	z2 = np.random.randint(0,10,5)
	z3 = np.random.randint(0,10,5)
	fig = plt.figure()
	ax = Axes3D(fig)
	ax.bar(x,y1,z1,zdir='y',label='item 1')
	ax.bar(x,y2,z2,zdir='y',label='item 2')
	ax.bar(x,y3,z3,zdir='y',label='item 3')
	ax.set_xlabel('X')
	ax.set_ylabel('Y')
	ax.set_zlabel('Z')
	ax.legend(loc = 0)

zdir='y': 表示以y的值當作z方向，若改為zdir='x'改用x的值。

with Pandas

之前提過Pandas中的Series與DataFrame皆可直接使用plot()方法來繪製圖型，但若是要繪製長條圖或其他圖型，則可使用參數關鍵字kind，e.g.

	import numpy as np
	import pandas as pd

	df = pd.DataFrame(np.random.randint(1,20,12).reshape(6,2), index=['a','b','c','d','e','f'], columns=['Data 1','Data 2'])
	df.plot(kind='bar', title='Data Frame', subplots=False, rot=0, yerr=[0.8 for i in range(6)], grid=True)
	#df['Data 1'].plot(kind='pie', figsize=(6,6), explode=[0.15,0,0,0,0,0], autopct='%.2f%%') # equivalent to a Series
	#df.loc['a'].plot(kind='pie')

Series.plot(kind='line', ax=None, figsize=None, use_index=True, title=None, grid=None, legend=False, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, xerr=None, label=None, secondary_y=False, **kwds)。
- Series的kind可使用的選擇有: line, bar, barh, hist, box, kde, density, area, pie
DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None, sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None, legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, xerr=None, secondary_y=False, sort_columns=False, **kwds)。
- DataFrame的kind可使用的選擇有: line, bar, barh, hist, box, kde, density, area, pie, scatter, hexbin
- 這方式雖然便利，不過有些功能較少，例如無法改變title的格式，所以若是要較完整的功能，建議還是使用matplotlib。

只在此山中，雲深不知處

聽首歌

Figures

with Pandas