從零開始學Python (27)\u200a—\u200a科學繪圖Matplotlib：畫著你，畫不出你的骨骼

Day 27 科學繪圖Matplotlib：畫著你，畫不出你的骨骼

註：本篇文章同步刊載於iT邦幫忙，為鐵人賽之系列文章。
https://ithelp.ithome.com.tw/articles/10247303

今天我們要來介紹的是Matplotlib，
對於Python來說，是一套非常常用於科學繪圖的繪圖程式庫，
同時也相當良好地支援了NumPy的陣列，
此外，通常狀況下，只要設定恰當，
也可以很順利地在一些帶有視窗運作的Python執行環境，
如IPython, Jupyter Notebook, colab等直接內嵌繪製圖片，
可以說是相當的方便！
由於最初的目的是提供如同Matlab軟體的繪圖方式，
所以常用Matlab的人可能會覺得很多東西似曾相識XD

要使用matplotlib時，官方有提供pylab ，
將matplotlib的pyplot和numpy合併在一起，
但還是建議numpy歸numpy，pyplot歸pyplot 。

同樣的，如果電腦還沒有matplotlib套件的話，
請先使用pip install進行安裝。

1
pip install matplotlib

接下來讓我們來介紹一些基本的功能。
首先，我們要先將numpy和matplotlib的pyplot給import進來：

1
2
import numpy as np
import matplotlib.pyplot as plt

記得上一篇我們做過一個隨積分布的陣列嗎？
如果我們想將其使用直方圖(Histogram)來表現出點的分布數量的話，
可以使用plt.hist()，將陣列輸入給plt；
同時，plt在繪製以後，要經過plt.show()的方法才會顯示出來。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
>>> mu, sigma = 0, 0.1
>>> s = np.random.normal(mu, sigma, 1000)
>>> plt.hist(s) # 繪製直方圖，預設分成10組
(array([ 10.,  32.,  91., 164., 238., 216., 147.,  71.,  25.,   6.]), array([-0.
30285466, -0.2403016 , -0.17774855, -0.1151955 , -0.05264245,
        0.0099106 ,  0.07246365,  0.1350167 ,  0.19756975,  0.2601228 ,
        0.32267585]), <BarContainer object of 10 artists>)
>>> plt.show()
# 在直譯器的話可以按Ctrl+C回來或按X關掉plt視窗
>>> plt.hist(s, 30) # 第二個參數為30, 代表將值的範圍切分成30等份(預設則為10)
(array([ 1.,  4.,  5.,  8.,  9., 15., 19., 25., 47., 46., 49., 69., 71.,
       79., 88., 87., 76., 53., 55., 55., 37., 40., 16., 15.,  9.,  9.,
        7.,  4.,  1.,  1.]), array([-0.30285466, -0.28200364, -0.26115262, -0.24
03016 , -0.21945059,
       -0.19859957, -0.17774855, -0.15689754, -0.13604652, -0.1151955 ,
       -0.09434449, -0.07349347, -0.05264245, -0.03179144, -0.01094042,
        0.0099106 ,  0.03076161,  0.05161263,  0.07246365,  0.09331467,
        0.11416568,  0.1350167 ,  0.15586772,  0.17671873,  0.19756975,
        0.21842077,  0.23927178,  0.2601228 ,  0.28097382,  0.30182483,
        0.32267585]), <BarContainer object of 30 artists>)
>>> plt.show()

應該可以看到接近如下的圖(前面是分10組，後面是分30組)：

我們在繪圖時，如果一般使用畫線按座標的話，
通常是以plt.plot(x, y, linewidth)的型式，
此時就要剛好每個x的元素都對應到y的元素：

1
2
3
4
5
>>> x = np.arange(1, 9, 2)
>>> y = 2 * x
>>> plt.plot(x, y, linewidth=1.5) # 這樣應該是y=2x的樣子
[<matplotlib.lines.Line2D object at 0x000000000BCCB220>]
>>> plt.show()

請留意一點，由於Python的陣列預設從0開始，所以當我們只給一段座標時，
會被當成y座標，且x會從0開始起算，以整數遞增：

1
2
3
4
>>> plt.plot([1,2,3,4])
>>> plt.show()
>>> plt.plot([1,2,3,4], [1,2,3,4]) # 留意X座標的變化!
>>> plt.show()

以plt.plot的方式繪圖時，畫上去的圖被稱為figure，
figure的軸則是axes，可以用add_subplot(1,1,1)方法取用到，
如果同時放多張子圖的話(1,1,1)代表第一張。
(這不是很好解釋，如果一次只畫一張圖的話就不管它啦！)
我們可以在繪製完圖以後再做額外的事情：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
>>> fig = plt.figure()
>>> ax = fig.add_subplot(1,1,1)
>>> ax.plot([1,2,3,4], [1,2,3,4])
[<matplotlib.lines.Line2D object at 0x000000000B540B80>]
>>> ax.set_title('Title') # 表題
Text(0.5, 1.0, 'Title')
>>> ax.set_xlabel("label: x") # X軸文字
Text(0.5, 0, 'label: x')
>>> ax.set_ylabel("label: y") # Y軸文字
Text(0, 0.5, 'label: y')
>>> fig.suptitle('Sup Title', fontsize=20, fontweight='bold') #
Text(0.5, 0.98, 'Sup Title')

在plt.plot輸入陣列後加上一個格式字串可以用來代表畫線的樣式，
指定linewidth可以修改畫線的粗細。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
# r代表紅色，x代表用'x'來表示點，且不畫線
>>> plt.plot([1,2,3,4], [3,5,15,18], 'rx')
[<matplotlib.lines.Line2D object at 0x000000000B856C10>]
# b代表藍色，'.'代表用單個小點表示一個點，'--'表示用虛線(dashed line)來畫線
>>> plt.plot([1,2,3,4], [3,9,1,6], 'b.--')
[<matplotlib.lines.Line2D object at 0x000000000B866310>]
# g代表綠色，o代表實心圓，linewidth表示粗度修為3
>>> plt.plot([1,2,3,4], [1,4,9,16], 'go-', linewidth=3)
[<matplotlib.lines.Line2D object at 0x000000000B856F40>]
>>> plt.legend(('red', 'blue', 'green'), loc='upper left') # 畫圖例及決定位置
<matplotlib.legend.Legend object at 0x000000000B757730>
>>> plt.grid(True) # 畫出網格
>>> plt.show()

其結果應如下所示：

在處理過後可畫線的圖以後，如果我們的資料是零散的點，
不需要畫線的話，我們可以用散點圖(scatter)來進行繪製：

1
2
3
4
5
6
7
>>> np.random.random(5)
array([0.22612501, 0.34256502, 0.21559228, 0.17675453, 0.1082928 ])
>>> x = np.random.random(500)
>>> y = np.random.random(500)
>>> plt.scatter(x, y)　# 其實用plt.plot(x, y, 'o')也可以啦！
<matplotlib.collections.PathCollection object at 0x000000000B566580>
>>> plt.show()

如果要繪製3D的圖的話，要利用plt.axes()，
將其projection設為’3d’。
同時由於有三維座標，所以要使用ax.scatter3D(x, y, z, color)。

1
2
3
4
5
6
>>> z = np.random.normal(0, 0.2, 500)
>>> fig = plt.figure()
>>> ax = plt.axes(projection='3d')
>>> ax.scatter3D(x, y, z, color='blue')
<mpl_toolkits.mplot3d.art3d.Path3DCollection object at 0x000000000C00A1F0>
>>> plt.show()

最後我們會得到一個3D散點圖，其介面是可以按滑鼠左鍵拖曳旋轉的呦！
讀者可以自己嘗試看看～

其他其實還有相當多的內容，有興趣的話可以看看官方文件的說明。
像是各種不同種類的圖形、標記方式、標籤等等，
如果使用者想更進一步的話，可以試試看找一些如繪製股票線形的教學範例，
跟著操作看看，相信會更有收穫！

那麼，我們就明天見囉！

工商時間：

抽獎活動還在繼續累積人數(現在好像沒有人想抽XD)
在Python Taiwan的連結第100篇的文章 底下，
公開分享到你的臉書、按讚該篇文章、並留言告訴我說，
「你最喜歡這一整個系列的哪一篇？為什麼？」或
「除了從LeetCode學演算法系列以外，
你還想要看到關於什麼方向的文章？」
超過20則留言的話 (有完成以上步驟的才算)，我們就抽一組
「從Leetcode學演算法｜進階篇」+「從Leetcode學演算法｜面試篇」
課程的免費兌換券進行贈送！

期限嘛…就延長到滿人數吧XDD (不然也沒辦法哈哈)

容筆者工商一下，
「從Leetcode學演算法｜進階篇」 開放預購啦！
這次選了40道難度加深的LeetCode題目，
同樣也會細部解說對應的技巧及須要掌握的演算法！
同時這次購買進階篇的話，
額外還加贈**「從Leetcode學演算法｜面試篇」** ！
當中包含了面試準備須知分享 ，及訪談國內外不同經驗的工程師 ，
讓你不論是想走前端/後端/一般軟工 或者是想找國外的工作 ，
是初學想轉職 還是正在工作 ，都能夠從中得到收穫呦！
有興趣的朋友可以使用下面的早鳥優惠～
「從Leetcode學演算法｜進階篇」+「從Leetcode學演算法｜面試篇」 ：
https://bit.ly/advleetcode

「從Leetcode學演算法」全套(基礎/進階/面試篇)同捆優惠：
https://bit.ly/allleetcode