>>> import matplotlib

15.1.5 matplotlib画廊

要查看使用 matplotlib 可制作的各种图表，请访问 http://matplotlib.org/ 的示例画廊。单击画廊中的图表，就可查看用于生成图表的代码。

15.2 绘制简单的折线图

下面来使用 matplotlib 绘制一个简单的折线图，再对其进行定制，以实现信息更丰富的数据可视化。我们将使用平方数序列 1 、 4 、 9 、 16 和 25 来绘制这个图表。

只需向 matplotlib 提供如下数字， matplotlib 就能完成其他的工作：

import matplotlib.pyplot as pltsquares = [1, 4, 9, 16, 25]
plt.plot(squares)
plt.show()

我们首先导入了模块 pyplot ，并给它指定了别名 plt ，以免反复输入 pyplot 。在线示例大都这样做，因此这里也这样做。模块 pyplot 包含很多用于生成图表的函数。

我们创建了一个列表，在其中存储了前述平方数，再将这个列表传递给函数 plot() ，这个函数尝试根据这些数字绘制出有意义的图形。 plt.show() 打开 matplotlib 查看器，并显示绘制的图形，如图 15-1 所示。查看器让你能够缩放和导航图形，另外，单击磁盘图标可将图形保存起来。

15.2.1修改标签文字和线条粗细

图 15-1 所示的图形表明数字是越来越大的，但标签文字太小，线条太细。所幸 matplotlib 让你能够调整可视化的各个方面。

import matplotlib.pyplot as pltsquares = [1, 4, 9, 16, 25]
plt.plot(squares, linewidth=5)
# 设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)
plt.show()

参数 linewidth 决定了 plot() 绘制的线条的粗细。函数 title() 给图表指定标题。在上述代码中，出现了多次的参数 fontsize 指定了图表中文字的大小。

函数 xlabel() 和 ylabel() 让你能够为每条轴设置标题 ；而函数 tick_params() 设置刻度的样式 ，其中指定的实参将影响 x 轴和 y 轴上的刻度（ axes='both' ），并将刻度标记的字号设置为 14 （ labelsize=14 ）。最终的图表阅读起来容易得多了，如图 15-2 所示：标签文字更大，线条也更粗。

15.2.2校正图形

图形更容易阅读后，我们发现没有正确地绘制数据：折线图的终点指出 4.0 的平方为 25 ！下面来修复这个问题。

当你向plot() 提供一系列数字时，它假设第一个数据点对应的 x 坐标值为0，但我们的第一个点对应的 x 值为1 。为改变这种默认行为，我们可以给 plot() 同时提供输入值和输出值：

import matplotlib.pyplot as pltinput_values = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]plt.plot(input_values, squares, linewidth=5)
# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)
plt.show()

现在plot() 将正确地绘制数据，因为我们同时提供了输入值和输出值，它无需对输出值的生成方式作出假设。最终的图形是正确的，如图15-3所示。

使用 plot() 时可指定各种实参，还可使用众多函数对图形进行定制。本章后面处理更有趣的数据集时，将继续探索这些定制函数。

15.2.3使用使scatter()绘制散点图并设置其样式

有时候，需要绘制散点图并设置各个数据点的样式。例如，你可能想以一种颜色显示较小的值，而用另一种颜色显示较大的值。绘制大型数据集时，你还可以对每个点都设置同样的样式，再使用不同的样式选项重新绘制某些点，以突出它们。

要绘制单个点，可使用 函数scatter() ，并向它传递一对 x 和 y 坐标，它将在指定位置绘制一个点：

import matplotlib.pyplot as pltplt.scatter(2, 4, s=200)
# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()

我们调用了scatter() ，并使用实参s 设置了绘制图形时使用的点的尺寸。如果此时运行scatter_squares.py，将在图表中央看到一个点，如图15-4所示。

15.2.4使用使scatter()绘制一系列点

要绘制一系列的点，可向 scatter() 传递两个分别包含 x 值和 y 值的列表，如下所示：

import matplotlib.pyplot as pltx_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]
plt.scatter(x_values, y_values, s=100)
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()

列表 x_values 包含要计算其平方值的数字，而列表 y_values 包含前述每个数字的平方值。将这些列表传递给 scatter() 时， matplotlib 依次从每个列表中读取一个值来绘制一个点。要绘制的点的坐标分别为 (1, 1) 、 (2, 4) 、 (3, 9) 、 (4, 16) 和 (5, 25) ，最终的结果如图 15-5 所示。

15.2.5自动计算数据

手工计算列表要包含的值可能效率低下，需要绘制的点很多时尤其如此。可以不必手工计算包含点坐标的列表，而让 Python 循环来替我们完成这种计算。下面是绘制 1000 个点的代

码：

import matplotlib.pyplot as pltx_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]
plt.scatter(x_values, y_values, s=40)
# 设置图表标题并给坐标轴加上标签
plt.scatter(x_values, y_values, s=100)
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.show()

我们首先创建了一个包含 x 值的列表，其中包含数字 1~1000（见 x_values = list(range(1, 1001)) ）。接下来是一个生成 y 值的列表解析，它遍历 x 值（ for x in x_values ），计算其平方值（ x**2 ），

并将结果存储到列表 y_values 中。然后，将输入列表和输出列表传递给 scatter() （见plt.scatter(x_values, y_values, s=40) ）。

由于这个数据集较大，我们将点设置得较小，并使用函数 axis() 指定了每个坐标轴的取值范围（见

plt.axis([0, 1100, 0, 1100000])）。函数axis() 要求提供四个值：x 和 y 坐标轴的最小值和最大值。在这里，我们将 x 坐标轴的取值范围设置为0~1100，并将 y 坐标轴的取值范围设置为0~1 100 000。结果如图15-6所示。

15.2.6删除数据点的轮廓

matplotlib 允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。要删除数据点的轮廓，可在调用 scatter() 时传递实参 edgecolor='none'

plt.scatter(x_values, y_values, edgecolor='none', s=40)

15.2.7自定义颜色自

要修改数据点的颜色，可向 scatter() 传递参数 c ，并将其设置为要使用的颜色的名称，如下所示：

plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40)

15.3.2选择方向

from random import choice
import matplotlib.pyplot as pltclass RandomWalk():# 一个生成随机漫步数据的类def __init__(self, num_points=5000):# 初始化随机漫步的属性self.num_points = num_points# 所有随机漫步都始于(0, 0)self.x_values = [0]self.y_values = [0]def fill_walk(self):#计算随机漫步包含的所有点# 不断漫步，直到列表达到指定的长度while len(self.x_values) < self.num_points:# 决定前进方向以及沿这个方向前进的距离x_direction = choice([1, -1])x_distance = choice([0, 1, 2, 3, 4])x_step = x_direction * x_distancey_direction = choice([1, -1])y_distance = choice([0, 1, 2, 3, 4])y_step = y_direction * y_distance# 拒绝原地踏步if x_step == 0 and y_step == 0:continue# 计算下一个点的x和y值next_x = self.x_values[-1] + x_stepnext_y = self.y_values[-1] + y_stepself.x_values.append(next_x)self.y_values.append(next_y)

15.3.3绘制随机漫步图

from random_walk import RandomWalk
import matplotlib.pyplot as plt# 创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values, rw.y_values, s=15)
plt.show()

​编辑
15.3.4模拟多次随机漫步

import matplotlib.pyplot as plt
from random_walk import RandomWalk# 只要程序处于活动状态，就不断地模拟随机漫步
while True:# 创建一个RandomWalk实例，并将其包含的点都绘制出来rw = RandomWalk()rw.fill_walk()plt.scatter(rw.x_values, rw.y_values, s=15)plt.show()keep_running = input("Make another walk? (y/n): ")if keep_running == 'n':break

15.3.5 设置随机漫步图的样式

15.3.6给点着色