python繪圖：matplotlib和pandas的應(yīng)用

 在進(jìn)行數(shù)據(jù)分析時(shí)，繪圖是必不可少的模式探索方式。用Python進(jìn)行數(shù)據(jù)分析時(shí)，matplotlib和pandas是最常用到的兩個(gè)庫。
1、matplotlib庫的應(yīng)用
準(zhǔn)備工作如下：打開ipython，輸入命令分別導(dǎo)入numpy和matplotlib.pylab庫。
[python] view plain copy
    import numpy as np  
    import matplotlib.pylab as plt 
1）創(chuàng)建fig
繪圖第一步是創(chuàng)建繪圖窗口fig。
[python] view plain copy
    fig1 = plt.figure() 
2）創(chuàng)建subplot
在窗口上添加AxesSubplot類型的子繪圖區(qū)域，一個(gè)窗口可以添加多個(gè)子繪圖區(qū)。
[python] view plain copy
    ax1 = fig1.add_subplot(2,2,1)  
    ax4 = fig1.add_subplot(2,2,4) 
3）subplot中繪圖
調(diào)用子繪圖區(qū)的方法，可以繪制點(diǎn)線圖、頻數(shù)圖、散點(diǎn)圖等常用圖形。
注意：在同一個(gè)subplot中多次調(diào)用plot()，所得到的圖形是相互覆蓋的。
[python] view plain copy
    ax1.plot(np.random.randn(50).cumsum(),'k--')  
    ax4.hist(np.random.randn(30)) 
4）各類參數(shù)設(shè)置
主要關(guān)注以下幾種方法：set_xlims設(shè)置坐標(biāo)軸的上下限、set_ticks設(shè)置坐標(biāo)刻度、set_ticklabel設(shè)置坐標(biāo)標(biāo)注。
[python] view plain copy
    ax1.set_xlim(-10,60)  
    ax1.set_xticks([0,20,40,60])  
    ax1.set_xticklabels(['a','b','c','d']) 
5）清除和保存圖形
用subplot的clear()方法可以清除現(xiàn)有的圖形，用figure的savefig()保存圖形到指定路徑。
[python] view plain copy
    ax1.clear()  
    #windows下的路徑  
    fig1.savefig(‘.\\test.jpg’) 
2、pandas庫的應(yīng)用
相比于利用matplotlib庫繪圖，采用pandas繪圖要便捷得多。參照前一部分，同樣需要導(dǎo)入pandas、numpy庫。
[python] view plain copy
    import pandas as pd  
    from pandas import Series,DataFrame  
    import numpy as np 
1）plot方法及參數(shù)
對于Series和DataFrame類型的數(shù)據(jù)，可以直接調(diào)用兩種類型對應(yīng)的plot方法，繪圖時(shí)自動(dòng)采用索引值繪制橫坐標(biāo)，采用每一列數(shù)據(jù)繪制縱坐標(biāo)。這里分別以兩類數(shù)據(jù)為例。
[python] view plain copy
    se1 = Series(np.random.randn(30).cumsum())  
    df = DataFrame({'a':np.random.randn(30),'b':np.random.randn(30)}) 
參數(shù)設(shè)置很方便，在plot()方法參數(shù)列表中添加相應(yīng)參數(shù)值即可。常用的有：類型kind可設(shè)置為line（線圖）、bar（垂直柱狀圖）、barh（水平柱狀圖）、kde（核密度估計(jì)圖），另外還有color顏色設(shè)置、linestyle線型設(shè)置、alpha設(shè)置透明度、grid設(shè)置網(wǎng)格等。
[python] view plain copy
    se1.plot(kind = 'bar', color = 'g', alpha = 0.5, grid=True)  
    df.plot(kind = 'bar', alpha=0.5) 
2）頻數(shù)圖、散點(diǎn)圖
頻數(shù)圖采用hist繪制即可，單幅的散點(diǎn)圖還得依靠matplotlib庫，但pandas提供多幅散點(diǎn)圖矩陣的快速繪圖方法。
[python] view plain copy
    se1.plot(kind = 'bar', color = 'g')  
    #對角線上圖形設(shè)置為核密度圖  
    pd.scatter_matrix(df, diagonal='kde') 
3）清除和保存圖形
有時(shí)候，我們希望清除掉當(dāng)前圖形或者干脆關(guān)閉繪圖窗口?？梢圆捎胒igure的clear()方法清除圖形，采用matplotlib.pylab的close（）方法則能夠直接關(guān)閉圖形窗口。
[python] view plain copy
    df.plot()  
    #清除繪圖  
    _.get_figure().clear()  
    #關(guān)閉窗口  
    plt.close() 
3、python繪圖的未來
Python同時(shí)具備強(qiáng)大的數(shù)據(jù)分析功能和Web開發(fā)功能，未來繪圖的趨勢將是更加緊密的聯(lián)系數(shù)據(jù)分析和Web發(fā)布功能，所有繪制的圖形應(yīng)當(dāng)能夠方便的在網(wǎng)頁上發(fā)布。數(shù)據(jù)分析人員和網(wǎng)頁開發(fā)人員的工作耦合將會更加緊密。