【有书共读12】跟老齐学Python数据分析读书笔记9

一、曲线的绘制

生活中，和我们关系最密切的可能就是曲线了，python中怎么绘制曲线呢？其实就是用了“很多”个满足某一曲线的点在图上描绘，让人“看起来”像是一条平滑的曲线，数量越多，就越平滑。具体可以通过matplotlib.pylab.plot()函数来实现，以描绘正弦函数图像y=sin(x)为例，过程如下：

上图的代码大致思路就是先存放100个横坐标到x数组中，然后在建立其对应的正弦函数值在y数组中，然后plot函数接收的第一个参数就是横坐标，第二个参数是纵坐标，设定颜色参数为‘blue’即可使用蓝色线条将正弦函数描绘出来。

1.颜色参数：color

事实上，上述的颜色color参数在整个matplotlib都是通用的，不然区别太多使用就会非常不方便，具体可以赋值"b, g, r, c, m, y, k, w"任意一个，对应着的颜色的英文是“blue, green, red, cyan, magenta, yellow, black, white”。还有，如果在一个图像上描绘多条曲线，如果不指明颜色的使用，就会按照"b, g, r, c, m, y, k, w"的排列顺序，进行循环使用。

2.线条样式参数：linestyle

matplotlib的线条常用的有3种——加粗线、虚线、点线和虚点线，对应参数为"-"、"--"、“-.”和":"，线条描述可能有点抽象，大家可以看下面的实例：

3.点的形状：maker

一开始我们就说过，matplotlib的画线是将一个一个点描绘在图上，而使人看起来像一条完整的线，所以点就应该是这种线的一个部分，也就说明plot函数有专门定义其属性的参数，如将点设置为比较大的圆形。

恩，上图看起来线条颜色和点的颜色重合了，没事，我们可以通过设置参数markerfacecolor的值来单独定义点的颜色。为了让大家看导的点更加清楚，通过代码“plt.grid(True)”即可使用网格图，效果就像上面的一样。

随着介绍的越多，我们越来越发现这参数好多，导致一行代码会很长，为了减少代码量，matplotlib支持将linestyle、marker和color三个参数写到一起，并作为第二个参数，如画一条红色虚线+蓝色圆点，可以编写以下代码：

之前我们也说到，为了使曲线更加平滑，我们会描绘更多的在曲线上的点，如果这个时候还去将每个点的大小和颜色自定义，那就感觉有点做无用功了。自然而然，matplotlib也考虑到了这个问题，让我们通过设定markevery参数来选择性的自定义点的样式，如对上图，我只要第2、4、6个点使用我的自定义样式，可以这样写：

4.线段的粗细：linewidth

既然点可以通过markersize来控制大小，自然也有参数来控制线条的粗细，那就是参数linewidth，使用方法和markersize类似，具体使用可以对比下面两个曲线：

二、图例

虽然曲线能很有效的显示数据的变化特征，但如果曲线失去了数据的含义，那也就没什么意义了，也就是为了更好的描述数据曲线，我们应该为其添加说明，这就是图例。在matplotlib中，是通过pyplot.legend()函数来实现对图例的操控，如我们在右上角为下述3条曲线添加其对应的注释，过程如下图所示：

上述的loc参数就指明了图例的位置应该在右上角，其更多位置值，以及其他诸如图例字体、边框、背景和标题等参数如下图所示：

三、散点图

尽管曲线能够很好的可视化我们的数据，但是在实际生活中，我们往往不知道数据之间的函数关系，这个时候，我们可能仅仅需要将所有的点描绘在图上即可，这种图就是散点图，在matplotlib中可以通过scatter函数来构造散点图，下面举一个最基本的使用：

其中rng是一个伪随机数发生器，我们将通过此对象的方法获取随机数，rng.randn(100)是获取100个符合高斯正态分布的随机数,rng.rand(100)是获取100个不小于0且小于1的浮点数，plt.colorbar()就是上图右边那个东西，大致就是表示什么颜色代表的数值是什么吧，生活中这样的应用我们获取在热力图等方面见得比较多。