高效使用Python可視化工具Matplotlib
Matplotlib是Python中最常用的可視化工具之一,可以非常方便地創建海量類型的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，為什么要使用Matplotlib，并推薦了一個學習使用Matplotlib的步驟。
簡介
對于新手來說，進入Python可視化領域有時可能會令人感到沮喪。Python有很多不同的可視化工具，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***帖子之一。 在那篇文章中，我對matplotlib留下了一些陰影，并在分析過程中不再使用。 然而，在使用諸如pandas，scikit-learn，seaborn和其他數據科學技術棧的python工具后，覺得丟棄matplotlib有點過早了。說實話，之前我不太了解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，并為剛入門的用戶或者沒時間學習matplotlib的用戶提供一些建議。我堅信matplotlib是python數據科學技術棧的重要組成部分，希望本文能幫助大家了解如何將matplotlib用于自己的可視化。
為什么對matplotlib都是負面評價?
在我看來，新用戶學習matplotlib之所以會面臨一定的挑戰，主要有以下幾個原因。
首先，matplotlib有兩種接口。***種是基于MATLAB并使用基于狀態的接口。第二種是面向對象的接口。為什么是這兩種接口不在本文討論的范圍之內，但是知道有兩種方法在使用matplotlib進行繪圖時非常重要。
兩種接口引起混淆的原因在于，在stack overflow社區和谷歌搜索可以獲得大量信息的情況下，新用戶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。回顧一下我的舊代碼，一堆matplotlib代碼的混合——這對我來說非常混亂(即使是我寫的)。
關鍵點
matplotlib的新用戶應該學習使用面向對象的接口。
matplotlib的另一個歷史性挑戰是，一些默認風格選項相當沒有吸引力。 在R語言世界里，可以用ggplot生成一些相當酷的繪圖，相比之下，matplotlib的選項看起來有點丑。令人欣慰的是matplotlib 2.0具有更美觀的樣式，以及非常便捷對可視化的內容進行主題化的能力。
使用matplotlib我認為第三個挑戰是，當繪制某些東西時，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，對于新手或不常用matplotlib的用戶來講，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聯系起來，是解決問題的秘訣。
為什么堅持要用matplotlib?
盡管有這些問題，但是我慶幸有matplotlib，因為它非常強大。這個庫允許創建幾乎任何你可以想象的可視化。此外，圍繞著它還有一個豐富的python工具生態系統，許多更先進的可視化工具用matplotlib作為基礎庫。如果在python數據科學棧中進行任何工作，都將需要對如何使用matplotlib有一個基本的了解。這是本文的其余部分的重點——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，尤其是什么是圖和坐標軸
- 始終使用面向對象的接口，從一開始就養成使用它的習慣
- 用基礎的pandas繪圖開始你的可視化學習
- 用seaborn進行更復雜的統計可視化
- 用matplotlib來定制pandas或者seaborn可視化
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是最終的圖像，可能包含一個或多個坐標軸。坐標軸代表一個單獨的劃分。一旦你了解這些內容，以及如何通過面向對象的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。如果你花時間了解了這一點，才會理解matplotlib API的其余部分。此外，許多python的高級軟件包，如seaborn和ggplot都依賴于matplotlib。因此，了解這些基礎知識后再學那些功能更強大的框架會容易一些。
***，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 有一個基本了解開始。一旦理解了基本的可視化技術，就可以探索其他工具，并根據自己的需要做出明智的選擇。
入門
本文的其余部分將作為一個入門教程，介紹如何在pandas中進行基本的可視化創建，并使用matplotlib自定義最常用的項目。一旦你了解了基本過程，進一步的定制化創建就相對比較簡單。
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，更新繪圖標題，保存圖片和調整圖例。如果你想跟著繼續學習，在鏈接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，我先引入庫并讀入一些數據：
- 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()
這是2014年的銷售交易數據。為了使這些數據簡短一些，我將對數據進行聚合，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。
- 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)
下面是數據的處理結果。
現在，數據被格式化成一個簡單的表格，我們來看如何將這些結果繪制成條形圖。
如前所述，matplotlib有許多不同的樣式可用于渲染繪圖，可以用plt.style.available查看系統中有哪些可用的樣式。
- plt.style.available
- ['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：
- 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，***步是使用標準的pandas繪圖功能繪制數據：
- 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可視化的方法。 由于大多數人可能已經在pandas中進行過一些數據處理/分析，所以請先從基本的繪圖開始。
定制化繪圖
假設你對這個繪圖的要點很滿意，下一步就是定制它。使用pandas繪圖功能定制(如添加標題和標簽)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：
- 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() 添加了一個額外的調用，并將ax傳遞給繪圖函數。為什么要這樣做? 記得當我說在matplotlib中要訪問坐標軸和數字至關重要嗎?這就是我們在這里完成的工作。將來任何定制化都將通過ax或fig對象完成。
我們得益于pandas快速繪圖，獲得了訪問matplotlib的所有權限。我們現在可以做什么呢?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限制并更改一些坐標軸的標簽?現在坐標軸保存在ax變量中，我們有很多的控制權：
- 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簽：
- 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，還可以調整圖像的大小。通過plt.subplots() 函數，可以用英寸定義figsize。也可以用ax.legend().set_visible(False)來刪除圖例。
- 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)
基于很多原因你可能想要調整一下這個圖。看著最別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。這個功能可以將用戶定義的函數應用于值，并返回一個格式整齊的字符串放置在坐標軸上。
下面是一個貨幣格式化函數，可以優雅地處理幾十萬范圍內的美元格式：
- 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數，需要定義它并將其應用到x軸。以下是完整的代碼：
- 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***要去探索的一個自定義功能是通過添加注釋到繪圖。繪制一條垂直線，可以用ax.axvline()。添加自定義文本，可以用ax.text()。
在這個例子中，我們將繪制一條平均線，并顯示三個新客戶的標簽。 下面是完整的代碼和注釋，把它們放在一起。
- # 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權限。
圖形和圖像
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添加多個圖形，并使用各種選項保存整個圖像。
如果決定要把兩幅圖放在同一個圖像上，我們應對如何做到這一點有基本了解。 首先，創建圖形，然后創建坐標軸，然后將其全部繪制在一起。我們可以用plt.subplots()來完成：
- 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，這樣對新用戶來說比較清晰。在示例代碼中，經常看到像1,2這樣的變量。我覺得使用命名的參數，之后在查看代碼時更容易理解。
用sharey = True這個參數，以便yaxis共享相同的標簽。
這個例子也很好，因為各個坐標軸被解壓縮到ax0和ax1。有這些坐標軸軸，你可以像上面的例子一樣繪制圖形，但是在ax0和ax1上各放一個圖。
- # 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，借助%matplotlib內聯指令來顯示圖形。但是很多時候，需要以特定格式保存數字，和其他內容一起展示。
Matplotlib支持許多不同格式文件的保存。 你可以用fig.canvas.get_supported_filetypes()查看系統支持的格式：
- fig.canvas.get_supported_filetypes()
- {'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'}
由于我們有fig對象，我們可以用多個選項來保存圖像：
- fig.savefig('sales.png', transparent=False, dpi=80, bbox_inches="tight")
上面的代碼把圖像保存為背景不透明的png。還指定了分辨率dpi和bbox_inches =“tight”來盡量減少多余的空格。
結論
希望這個過程有助于你了解如何在日常的數據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，你應該可以快速定制出任何你需要的圖像。
作為***的福利，我引入一個快速指南來總結所有的概念。希望這有助于把這篇文章聯系起來，并為今后使用參考提供方便。
