第九章 绘图和可视化
学习本章代码案例的最简单方法是在Jupyter notebook进行交互式绘图。在Jupyter notebook中执行下面的语句：
%matplotlib notebook
1 matplotlib API入门
matplotlib的通常引入约定是：
In [11]: import matplotlib.pyplot as plt
Figure和Subplot
In [17]: ax1 = fig.add_subplot(2, 2, 1)
这条代码的意思是：图像应该是2×2的（即最多4张图），且当前选中的是4个subplot中的第一个（编号从1开始）。如果再把后面两个subplot也创建出来
In [18]: ax2 = fig.add_subplot(2, 2, 2)
In [19]: ax3 = fig.add_subplot(2, 2, 3)
方法plt.subplots，它可以创建一个新的Figure，并返回一个含有已创建的subplot对象的NumPy数组：
In [24]: fig, axes = plt.subplots(2, 3)
In [25]: axes
Out[25]:
array([[<matplotlib.axes._subplots.AxesSubplot object at
0x7fb626374048>,
<matplotlib.axes._subplots.AxesSubplot object at
0x7fb62625db00>,
<matplotlib.axes._subplots.AxesSubplot object at
0x7fb6262f6c88>],
[<matplotlib.axes._subplots.AxesSubplot object at
0x7fb6261a36a0>,
<matplotlib.axes._subplots.AxesSubplot object at
0x7fb626181860>,
<matplotlib.axes._subplots.AxesSubplot object at
0x7fb6260fd4e0>]], dtype
=object)
颜色、标记和线型
plot(randn(30).cumsum(), color='k', linestyle='dashed', marker='o')
# color颜色，linestyle线条类型，marker节点类型
刻度、标签和图例
为了说明自定义轴，我将创建一个简单的图像并绘制一段随机漫步：
In [37]: fig = plt.figure()
In [38]: ax = fig.add_subplot(1, 1, 1)
In [39]: ax.plot(np.random.randn(1000).cumsum())
使用set_xticks和set_xticklabels。前者告诉matplotlib要将刻度放在数据范围中的哪些位置，默认情况下，这些位置也就是刻度标签。但我们可以通过set_xticklabels将任何其他的值用作标签：
In [40]: ticks = ax.set_xticks([0, 250, 500, 750, 1000])
In [41]: labels = ax.set_xticklabels(['one', 'two', 'three', 'four',
'five'],
....: rotation=30, fontsize='small')
Y轴的修改方式与此类似，只需将上述代码中的x替换为y即可。
添加图例
图例（legend）是另一种用于标识图表元素的重要工具。最简单的是在添加subplot的时候传入label参数：
In [44]: from numpy.random import randn
In [45]: fig = plt.figure(); ax = fig.add_subplot(1, 1, 1)
In [46]: ax.plot(randn(1000).cumsum(), 'k', label='one')
Out[46]: [<matplotlib.lines.Line2D at 0x7fb624bdf860>]
In [47]: ax.plot(randn(1000).cumsum(), 'k--', label='two')
Out[47]: [<matplotlib.lines.Line2D at 0x7fb624be90f0>]
In [48]: ax.plot(randn(1000).cumsum(), 'k.', label='three')
Out[48]: [<matplotlib.lines.Line2D at 0x7fb624be9160>]
可以调用ax.legend()或plt.legend()来自动创建图例
In [49]: ax.legend(loc='best'
将图表保存到文件
plt.savefig('figpath.svg')
2 使用pandas和seaborn绘图
线型图
DataFrame的plot方法会在一个subplot中为各列绘制一条线，并自动创建图例
In [62]: df = pd.DataFrame(np.random.randn(10, 4).cumsum(0),
....: columns=['A', 'B', 'C', 'D'],
....: index=np.arange(0, 100, 10))
In [63]: df.plot()
柱状图
plot.bar()和plot.barh()分别绘制水平和垂直的柱状图。
In [64]: fig, axes = plt.subplots(2, 1)
In [65]: data = pd.Series(np.random.rand(16),
index=list('abcdefghijklmnop'))
In [66]: data.plot.bar(ax=axes[0], color='k', alpha=0.7)
Out[66]: <matplotlib.axes._subplots.AxesSubplot at 0x7fb62493d470>
In [67]: data.plot.barh(ax=axes[1], color='k', alpha=0.7)
对于在绘制一个图形之前，需要进行合计的数据，使用seaborn可以减少工作量。
n [83]: import seaborn as sns
In [84]: tips['tip_pct'] = tips['tip'] / (tips['total_bill'] -
tips['tip'])
In [85]: tips.head()
Out[85]:
total_bill tip smoker day time size tip_pct
0 16.99 1.01 No Sun Dinner 2 0.063204
1 10.34 1.66 No Sun Dinner 3 0.191244
2 21.01 3.50 No Sun Dinner 3 0.199886
3 23.68 3.31 No Sun Dinner 2 0.162494
4 24.59 3.61 No Sun Dinner 4 0.172069
In [86]: sns.barplot(x='tip_pct', y='day', data=tips, orient='h')
3 其它的Python可视化工具
Boken（https://bokeh.pydata.org/en/latest/）和
Plotly（https://github.com/plotly/plotly.py），现在可以创建动态交互图形，
用于网页浏览器。