聊一聊美化Matplotlib三個小技巧
Matplotlib提供了很大的靈活性，因此您可以自定義或調(diào)整幾乎所有的圖表。但是想要完全控制可視化就需要編寫更多的代碼。
在本文中，我們將介紹3個可以用于定制Matplotlib圖表的技巧:
- 減少x軸或y軸上的刻度數(shù)
- 添加一個輔助y軸
- 共享x軸的子圖坐標對齊
本文中我們將使用折線圖為例，但這些技巧也可以應用于其他類型的圖。我創(chuàng)建了一個數(shù)據(jù)集模擬價格和銷售數(shù)據(jù)。
import pandas as pd
import numpy as np
df = pd.read_csv("mock_sales_data.csv", nrows=100)
df.head()
數(shù)據(jù)包含日期、價格和銷售數(shù)量列。只顯示了數(shù)據(jù)集的前100行。
減少刻度數(shù)
如果在軸上繪制的數(shù)據(jù)點數(shù)量很多，刻度看起來非常的緊湊，甚至可能重疊。在處理時間序列數(shù)據(jù)時，x軸通常包含占用大量空間的日期，所以可以減少軸上的刻度數(shù)來提高顯示效果。
讓我們先做一個不限制x軸刻度數(shù)的例子。
import matplotlib.pyplot as plt
plt.style.use("seaborn-darkgrid")
plt.figure(figsize=(12, 6))
plt.plot(df["Date"], df["Price"])
plt.show()
可以看到X軸的刻度重疊并且根本無法顯示完整。下面我們添加設(shè)置只顯示部分的刻度，這樣可以完整顯示。
plt.figure(figsize=(12, 6))
plt.plot(df["Date"], df["Price"])
#每15個刻度顯示一次
plt.xticks(np.arange(0, len(df), 15), fontsize=12)
plt.yticks(fontsize=12)
plt.show()
我們使用NumPy的arange函數(shù)來指定標記的位置，現(xiàn)在看起來好多了。
使用輔助軸
如果想在同一個圖上顯示兩個變量。例如將產(chǎn)品的價格和銷售數(shù)量繪制在一起查看價格對銷售數(shù)量的影響。
我們的DataFrame中的銷售數(shù)量和價格列顯示在同一線圖上，只有一個y軸。
可以看到價格和銷售數(shù)量的取值范圍差距很大我們幾乎看不到銷售的變化，這時可以使用輔助軸來指定另外一條線的取值范圍。
fig, ax1 = plt.subplots(figsize=(12,6))
ax2 = ax1.twinx()
ax1.plot(df["Date"], df["Price"])
ax2.plot(df["Date"], df["SalesQty"], color="orange")
ax1.set_ylabel("Price", fontsize=15)
ax2.set_ylabel("SalesQty", fontsize=15)
ax1.tick_params(axis='both', which='major', labelsize=12)
ax2.tick_params(axis='both', which='major', labelsize=12)
plt.xticks(np.arange(0, len(df), 15))
ax1.grid(False)
ax2.grid(False)
plt.show()
看起來好多了。我們可以清楚的觀察到價格與銷售量之間的反比關(guān)系。
共享x軸的子圖坐標對齊
我們可以在一個Figure對象上創(chuàng)建多個子圖。Matplotlib允許使用subplot函數(shù)創(chuàng)建子圖格。例如下面的代碼行創(chuàng)建了一個包含4個子圖的2x2網(wǎng)格圖。
fig, (ax1, ax2, ax3, ax4) = plt.subplots(nrows=2, ncols=2)
使用nrows和ncols參數(shù)自定義網(wǎng)格的大小。
如果我們想在2個子圖中共享X軸怎么辦呢？我們可以使用tight_layout函數(shù)。它可以用于調(diào)整子圖之間的填充
fig, (ax1, ax2) = plt.subplots(
nrows=2, ncols=1,
sharex=True,
figsize=(12, 8)
)
fig.tight_layout(pad=2)
ax1.plot(df["Date"], df["Price"])
ax1.set_title("Price", fontsize=15)
ax2.plot(df["Date"], df["SalesQty"])
ax2.set_title("SalesQty", fontsize=15)
ax1.tick_params(axis='both', which='major', labelsize=12)
ax2.tick_params(axis='both', which='major', labelsize=12)
plt.xticks(np.arange(0, len(df), 15), fontsize=12)
plt.show()
可以看到2個子圖的X軸坐標（日期）都已經(jīng)對齊了，這對于分析時間序列時非常有用的，例如想對比2個產(chǎn)品或者2個不同的門店在同一時期的銷售情況，通過對齊日期可以給出非常好的直觀判斷。
以上就是3個Matplotlib可視化的小技巧，這些技巧肯定會幫助你創(chuàng)建信息更豐富、功能更強大的數(shù)據(jù)可視化圖表。
