Matplotlib是Python中最常用的視覺化工具之一,可以非常方便地建立海量型別的2D圖表和一些基本的3D圖表。本文主要介紹了在學習Matplotlib時面臨的一些挑戰，為什麼要使用Matplotlib，並推薦了一個學習使用Matplotlib的步驟。
簡介
對於新手來說，進入Python視覺化領域有時可能會令人感到沮喪。Python有很多不同的視覺化工具，選擇一個正確的工具有時是一種挑戰。 例如，即使兩年過去了，這篇《Overview of Python Visualization Tools》是引導人們到這個網站的頂級帖子之一。 在那篇文章中，我對matplotlib留下了一些陰影，並在分析過程中不再使用。 然而，在使用諸如pandas，scikit-learn，seaborn和其他資料科學技術棧的python工具後，覺得丟棄matplotlib有點過早了。說實話，之前我不太瞭解matplotlib，也不知道如何在工作流程中有效地使用。
現在我花時間學習了其中的一些工具，以及如何使用matplotlib，已經開始將matplotlib看作是不可或缺的工具了。這篇文章將展示我是如何使用matplotlib的，併為剛入門的使用者或者沒時間學習matplotlib的使用者提供一些建議。我堅信matplotlib是python資料科學技術棧的重要組成部分，希望本文能幫助大家瞭解如何將matplotlib用於自己的視覺化。
為什麼對matplotlib都是負面評價？
在我看來，新使用者學習matplotlib之所以會面臨一定的挑戰，主要有以下幾個原因。
首先，matplotlib有兩種介面。第一種是基於MATLAB並使用基於狀態的介面。第二種是物件導向的介面。為什麼是這兩種介面不在本文討論的範圍之內，但是知道有兩種方法在使用matplotlib進行繪圖時非常重要。
兩種介面引起混淆的原因在於，在stack overflow社群和谷歌搜尋可以獲得大量資訊的情況下，新使用者對那些看起來有些相似但不一樣的問題，面對多個解決方案會感到困惑。從我自己的經歷說起。回顧一下我的舊程式碼，一堆matplotlib程式碼的混合——這對我來說非常混亂（即使是我寫的）。
關鍵點
matplotlib的新使用者應該學習使用物件導向的介面。
matplotlib的另一個歷史性挑戰是，一些預設風格選項相當沒有吸引力。 在R語言世界裡，可以用ggplot生成一些相當酷的繪圖，相比之下，matplotlib的選項看起來有點醜。令人欣慰的是matplotlib 2.0具有更美觀的樣式，以及非常便捷對視覺化的內容進行主題化的能力。
使用matplotlib我認為第三個挑戰是，當繪製某些東西時，應該單純使用matplotlib還是使用建立在其之上的類似pandas或者seaborn這樣的工具，你會感到困惑。任何時候都可以有多種方式來做事，對於新手或不常用matplotlib的使用者來講，遵循正確的路徑是具有挑戰性的。將這種困惑與兩種不同的API聯絡起來，是解決問題的祕訣。
為什麼堅持要用matplotlib？
儘管有這些問題，但是我慶幸有matplotlib，因為它非常強大。這個庫允許建立幾乎任何你可以想象的視覺化。此外，圍繞著它還有一個豐富的python工具生態系統，許多更先進的視覺化工具用matplotlib作為基礎庫。如果在python資料科學棧中進行任何工作，都將需要對如何使用matplotlib有一個基本的瞭解。這是本文的其餘部分的重點——介紹一種有效使用matplotlib的基本方法。
基本前提
如果你除了本文之外沒有任何基礎，建議用以下幾個步驟學習如何使用matplotlib：
- 學習基本的matplotlib術語，尤其是什麼是圖和座標軸
- 始終使用物件導向的介面，從一開始就養成使用它的習慣
- 用基礎的pandas繪圖開始你的視覺化學習
- 用seaborn進行更復雜的統計視覺化
- 用matplotlib來定製pandas或者seaborn視覺化
這幅來自matplotlib faq的圖非常經典，方便了解一幅圖的不同術語。
大多數術語都非常直接，但要記住的要點是，Figure是最終的影象，可能包含一個或多個座標軸。座標軸代表一個單獨的劃分。一旦你瞭解這些內容，以及如何通過物件導向的API訪問它們，下面的步驟才能開始進行。
這些術語知識有另一個好處，當你在網上看某些東西時，就有了一個起點。如果你花時間瞭解了這一點，才會理解matplotlib API的其餘部分。此外，許多python的高階軟體包，如seaborn和ggplot都依賴於matplotlib。因此，瞭解這些基礎知識後再學那些功能更強大的框架會容易一些。
最後，我不是說你應該避免選擇例如ggplot（aka ggpy），bokeh，plotly或者altair等其他更好的工具。我只是認為你需要從對matplotlib + pandas + seaborn 有一個基本瞭解開始。一旦理解了基本的視覺化技術，就可以探索其他工具，並根據自己的需要做出明智的選擇。
入門
本文的其餘部分將作為一個入門教程，介紹如何在pandas中進行基本的視覺化建立，並使用matplotlib自定義最常用的專案。一旦你瞭解了基本過程，進一步的定製化建立就相對比較簡單。
重點講一下我遇到的最常見的繪圖任務，如標記軸，調整限制，更新繪圖示題，儲存圖片和調整圖例。如果你想跟著繼續學習，在連結https://github.com/chris1610/pbpython/blob/master/notebooks/Effectively-Using-Matplotlib.ipynb 中包含附加細節的筆記，應該非常有用。
準備開始，我先引入庫並讀入一些資料：
|
1 2 3 4 5 6 |
import pandas as pd import matplotlib.pyplot as plt from matplotlib.ticker import FuncFormatter df = pd.read_excel("https://github.com/chris1610/pbpython/blob/master/data/sample-salesv3.xlsx?raw=true") df.head() |
| account number | name | sku | quantity | unit price | ext price | date | |
|---|---|---|---|---|---|---|---|
| 0 | 740150 | Barton LLC | B1-20000 | 39 | 86.69 | 3380.91 | 2014-01-01 07:21:51 |
| 1 | 714466 | Trantow-Barrows | S2-77896 | -1 | 63.16 | -63.16 | 2014-01-01 10:00:47 |
| 2 | 218895 | Kulas Inc | B1-69924 | 23 | 90.70 | 2086.10 | 2014-01-01 13:24:58 |
| 3 | 307599 | Kassulke, Ondricka and Metz | S1-65481 | 41 | 21.05 | 863.05 | 2014-01-01 15:05:22 |
| 4 | 412290 | Jerde-Hilpert | S2-34077 | 6 | 83.21 | 499.26 | 2014-01-01 23:26:55 |
這是2014年的銷售交易資料。為了使這些資料簡短一些，我將對資料進行聚合，以便我們可以看到前十名客戶的總購買量和總銷售額。為了清楚我還會在繪圖中重新命名列。
|
1 2 3 |
top_10 = (df.groupby('name')['ext price', 'quantity'].agg({'ext price': 'sum', 'quantity': 'count'}) .sort_values(by='ext price', ascending=False))[:10].reset_index() top_10.rename(columns={'name': 'Name', 'ext price': 'Sales', 'quantity': 'Purchases'}, inplace=True) |
下面是資料的處理結果。
| Name | Purchases | Sales | |
|---|---|---|---|
| 0 | Kulas Inc | 94 | 137351.96 |
| 1 | White-Trantow | 86 | 135841.99 |
| 2 | Trantow-Barrows | 94 | 123381.38 |
| 3 | Jerde-Hilpert | 89 | 112591.43 |
| 4 | Fritsch, Russel and Anderson | 81 | 112214.71 |
| 5 | Barton LLC | 82 | 109438.50 |
| 6 | Will LLC | 74 | 104437.60 |
| 7 | Koepp Ltd | 82 | 103660.54 |
| 8 | Frami, Hills and Schmidt | 72 | 103569.59 |
| 9 | Keeling LLC | 74 | 100934.30 |
現在，資料被格式化成一個簡單的表格，我們來看如何將這些結果繪製成條形圖。
如前所述，matplotlib有許多不同的樣式可用於渲染繪圖，可以用plt.style.available檢視系統中有哪些可用的樣式。
|
1 |
plt.style.available |
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 |
['seaborn-dark', 'seaborn-dark-palette', 'fivethirtyeight', 'seaborn-whitegrid', 'seaborn-darkgrid', 'seaborn', 'bmh', 'classic', 'seaborn-colorblind', 'seaborn-muted', 'seaborn-white', 'seaborn-talk', 'grayscale', 'dark_background', 'seaborn-deep', 'seaborn-bright', 'ggplot', 'seaborn-paper', 'seaborn-notebook', 'seaborn-poster', 'seaborn-ticks', 'seaborn-pastel'] |
這樣簡單使用一個樣式：
|
1 |
plt.style.use('ggplot') |
我鼓勵大家嘗試不同的風格，看看你喜歡哪些。
現在我們準備好了一個更美觀的樣式，第一步是使用標準的pandas繪圖功能繪製資料：
|
1 |
top_10.plot(kind='barh', y="Sales", x="Name") |
我推薦先使用pandas繪圖，是因為它是一種快速簡便構建視覺化的方法。 由於大多數人可能已經在pandas中進行過一些資料處理/分析，所以請先從基本的繪圖開始。
定製化繪圖
假設你對這個繪圖的要點很滿意，下一步就是定製它。使用pandas繪圖功能定製（如新增標題和標籤）非常簡單。但是，你可能會發現自己的需求在某種程度上超越該功能。這就是我建議養成這樣做的習慣的原因：
|
1 2 |
fig, ax = plt.subplots() top_10.plot(kind='barh', y="Sales", x="Name", ax=ax) |
得到的圖看起來與原始圖看起來相同，但是我們向plt.subplots() 新增了一個額外的呼叫，並將ax傳遞給繪圖函式。為什麼要這樣做？ 記得當我說在matplotlib中要訪問座標軸和數字至關重要嗎？這就是我們在這裡完成的工作。將來任何定製化都將通過ax或fig物件完成。
我們得益於pandas快速繪圖，獲得了訪問matplotlib的所有許可權。我們現在可以做什麼呢？用一個例子來展示。另外，通過命名約定，可以非常簡單地把別人的解決方案改成適合自己獨特需求的方案。
假設我們要調整x限制並更改一些座標軸的標籤？現在座標軸儲存在ax變數中，我們有很多的控制權：
|
1 2 3 4 5 |
fig, ax = plt.subplots() top_10.plot(kind='barh', y="Sales", x="Name", ax=ax) ax.set_xlim([-10000, 140000]) ax.set_xlabel('Total Revenue') ax.set_ylabel('Customer'); |
下面是一個快捷方式，可以用來更改標題和兩個標籤：
|
1 2 3 4 |
fig, ax = plt.subplots() top_10.plot(kind='barh', y="Sales", x="Name", ax=ax) ax.set_xlim([-10000, 140000]) ax.set(title='2014 Revenue', xlabel='Total Revenue', ylabel='Customer') |
為了進一步驗證這種方法，還可以調整影象的大小。通過plt.subplots() 函式，可以用英寸定義figsize。也可以用ax.legend().set_visible（False）來刪除圖例。
|
1 2 3 4 5 |
fig, ax = plt.subplots(figsize=(5, 6)) top_10.plot(kind='barh', y="Sales", x="Name", ax=ax) ax.set_xlim([-10000, 140000]) ax.set(title='2014 Revenue', xlabel='Total Revenue') ax.legend().set_visible(False) |
基於很多原因你可能想要調整一下這個圖。看著最彆扭的地方是總收入數字的格式。 Matplotlib可以通過FuncFormatter來幫我們實現。這個功能可以將使用者定義的函式應用於值，並返回一個格式整齊的字串放置在座標軸上。
下面是一個貨幣格式化函式，可以優雅地處理幾十萬範圍內的美元格式：
|
1 2 3 4 5 |
def currency(x, pos): 'The two args are the value and tick position' if x >= 1000000: return '${:1.1f}M'.format(x*1e-6) return '${:1.0f}K'.format(x*1e-3) |
現在我們有一個格式化函式，需要定義它並將其應用到x軸。以下是完整的程式碼：
|
1 2 3 4 5 6 7 |
fig, ax = plt.subplots() top_10.plot(kind='barh', y="Sales", x="Name", ax=ax) ax.set_xlim([-10000, 140000]) ax.set(title='2014 Revenue', xlabel='Total Revenue', ylabel='Customer') formatter = FuncFormatter(currency) ax.xaxis.set_major_formatter(formatter) ax.legend().set_visible(False) |
這樣更美觀，也是一個很好的例子，展示如何靈活地定義自己的問題解決方案。
我們最後要去探索的一個自定義功能是通過新增註釋到繪圖。繪製一條垂直線，可以用ax.axvline()。新增自定義文字，可以用ax.text()。
在這個例子中，我們將繪製一條平均線，並顯示三個新客戶的標籤。 下面是完整的程式碼和註釋，把它們放在一起。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 |
# Create the figure and the axes fig, ax = plt.subplots() # Plot the data and get the averaged top_10.plot(kind='barh', y="Sales", x="Name", ax=ax) avg = top_10['Sales'].mean() # Set limits and labels ax.set_xlim([-10000, 140000]) ax.set(title='2014 Revenue', xlabel='Total Revenue', ylabel='Customer') # Add a line for the average ax.axvline(x=avg, color='b', label='Average', linestyle='--', linewidth=1) # Annotate the new customers for cust in [3, 5, 8]: ax.text(115000, cust, "New Customer") # Format the currency formatter = FuncFormatter(currency) ax.xaxis.set_major_formatter(formatter) # Hide the legend ax.legend().set_visible(False) |
雖然這可能不是讓人感到興奮（眼前一亮）的繪圖方式，但它展示了你在用這種方法時有多大許可權。
圖形和影象
到目前為止，我們所做的所有改變都是單個圖形。幸運的是，我們也有能力在圖上新增多個圖形，並使用各種選項儲存整個影象。
如果決定要把兩幅圖放在同一個影象上，我們應對如何做到這一點有基本瞭解。 首先，建立圖形，然後建立座標軸，然後將其全部繪製在一起。我們可以用plt.subplots()來完成：
|
1 |
fig, (ax0, ax1) = plt.subplots(nrows=1, ncols=2, sharey=True, figsize=(7, 4)) |
在這個例子中，用nrows和ncols來指定大小，這樣對新使用者來說比較清晰。在示例程式碼中，經常看到像1,2這樣的變數。我覺得使用命名的引數，之後在檢視程式碼時更容易理解。
用sharey = True這個引數，以便yaxis共享相同的標籤。
這個例子也很好，因為各個座標軸被解壓縮到ax0和ax1。有這些座標軸軸，你可以像上面的例子一樣繪製圖形，但是在ax0和ax1上各放一個圖。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 |
# Get the figure and the axes fig, (ax0, ax1) = plt.subplots(nrows=1,ncols=2, sharey=True, figsize=(7, 4)) top_10.plot(kind='barh', y="Sales", x="Name", ax=ax0) ax0.set_xlim([-10000, 140000]) ax0.set(title='Revenue', xlabel='Total Revenue', ylabel='Customers') # Plot the average as a vertical line avg = top_10['Sales'].mean() ax0.axvline(x=avg, color='b', label='Average', linestyle='--', linewidth=1) # Repeat for the unit plot top_10.plot(kind='barh', y="Purchases", x="Name", ax=ax1) avg = top_10['Purchases'].mean() ax1.set(title='Units', xlabel='Total Units', ylabel='') ax1.axvline(x=avg, color='b', label='Average', linestyle='--', linewidth=1) # Title the figure fig.suptitle('2014 Sales Analysis', fontsize=14, fontweight='bold'); # Hide the legends ax1.legend().set_visible(False) ax0.legend().set_visible(False) |
到目前為止，我一直用jupyter notebook，藉助％matplotlib內聯指令來顯示圖形。但是很多時候，需要以特定格式儲存數字，和其他內容一起展示。
Matplotlib支援許多不同格式檔案的儲存。 你可以用fig.canvas.get_supported_filetypes（）檢視系統支援的格式：
|
1 |
fig.canvas.get_supported_filetypes() |
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
{'eps': 'Encapsulated Postscript', 'jpeg': 'Joint Photographic Experts Group', 'jpg': 'Joint Photographic Experts Group', 'pdf': 'Portable Document Format', 'pgf': 'PGF code for LaTeX', 'png': 'Portable Network Graphics', 'ps': 'Postscript', 'raw': 'Raw RGBA bitmap', 'rgba': 'Raw RGBA bitmap', 'svg': 'Scalable Vector Graphics', 'svgz': 'Scalable Vector Graphics', 'tif': 'Tagged Image File Format', 'tiff': 'Tagged Image File Format'} |
由於我們有fig物件，我們可以用多個選項來儲存影象：
|
1 |
fig.savefig('sales.png', transparent=False, dpi=80, bbox_inches="tight") |
上面的程式碼把影象儲存為背景不透明的png。還指定了解析度dpi和bbox_inches =“tight”來儘量減少多餘的空格。
結論
希望這個過程有助於你瞭解如何在日常的資料分析中更有效地使用matplotlib。 如果在做分析時養成使用這種方法的習慣，你應該可以快速定製出任何你需要的影象。
作為最後的福利，我引入一個快速指南來總結所有的概念。希望這有助於把這篇文章聯絡起來，併為今後使用參考提供方便。
