Matplotlib与数据可视化

Matplotlib 基础

创建 Figure 和 Axes

创建 Figure：

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(4,5))

<Figure size 288x360 with 0 Axes>

以上代码新建了一个 figure 实例。参数 figszie=(4,5) 代表图像的宽、高分别为 400、500 像素。

创建 Axes：在 figure 实例中增加一个 axes 实例：

ax = fig.gca()

gca 代表 get current axes，是最简单的办法。

也可以用：

ax = fig.add_subplot(111)

其中 111 代表本 axes 实例是一行、一列的第一个元素。或者

ax = fig.add_axes([0.15,0.15,0.8,0.8])

用这种方法可以指定坐标轴的大小和位置。 [0.15,0.15,0.8,0.8] 代表到边界的距离和坐标轴的宽、高占整个图片宽高的百分比。

画平面图

画基础平面图

axes 类的 plot() 方法是最常用的绘制平面图的方法。例如：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(1,5,0.1)
y1 = np.sin(x)
y2 = np.cos(x)

fig = plt.figure(figsize=(9,6))
ax = fig.gca()
ax.plot(x,y1,'r-')
ax.plot(x,y2,'bo')
plt.show()

axes.plot() 方法支持的参数有：

• fmt — 用什么颜色和符号画图。例如 fmt='ro-'。这里支持线和点的标记结合，比如 -（直线）、--（虚线）、:（点线）
• markerfacecolor — 标记的填充的颜色。例如 markerfacecolor='b'
• markeredgecolor — 标记的边界的颜色。例如 markeredgecolor='b'
• markeredgewidth — 标记的边界的宽度。例如 markeredgewidth=1
• markersize 或者 ms — 标记的大小。 例如 markersize=2.5
• linewidth 或者 lw — 线的宽度。例如 linewidth=0.6
• alpha — 透明度。例如 alpha=0.5
• label — 图例。例如 label='sin(x)'

Matplotlib 支持的颜色代码有：

Matplotlib 支持的标记的形状有：

除此之外还有 x（叉）、d（小菱形）、D（大菱形）、h（竖六边形） H（横六边形）

Matplotlib 支持的线的形状、线的端点的形状、虚线的端点的形状有：

画直方图

画直方图可以用 axes.hist() 方法。例如：

import numpy as np

x = np.random.rand(100)

fig = plt.figure(figsize=(9,6))
ax = fig.gca()
ax.hist(x, bins=10)
plt.show()

画阶梯图

画阶梯图可以用 axes.step() 方法。例如：

import numpy as np

x = np.arange(1,5,0.1)
y1 = np.sin(x)
y2 = np.cos(x)

fig = plt.figure(figsize=(9,6))
ax = fig.gca()
ax.step(x, y1, where='mid')
plt.show()

其中 where 可取值有 ‘pre’, ‘post’, ‘mid’ 分别表示阶梯的“平台”在这个 x 值之前、之后还是中间。

画误差棒

Axes 的 errorbar() 方法绘制误差棒。例如：

import numpy as np

x = np.arange(1,5,0.1)
y = np.sin(x)
errors = np.random.rand(x.size)

fig = plt.figure(figsize=(9,6))
ax = fig.gca()
ax.errorbar(x, y, errors, fmt='ro-')
plt.show()

errorbar() 方法的完整调用：

matplotlib.pyplot.errorbar(x, y, yerr=None, xerr=None, fmt='', ecolor=None, elinewidth=None, capsize=None, barsabove=False, lolims=False, uplims=False, xlolims=False, xuplims=False, errorevery=1, capthick=None, *, data=None, **kwargs)

支持的参数：

• x, y — 输入的数据
• xerr, yerr — x、y 数据的误差棒
• fmt — 格式字符串
• ecolor — 误差棒的颜色
• elinewidth — 误差棒的宽度
• capsize — 误差棒端点横线的大小，默认为 None，从 rcParams["errorbar.capsize"] 取值
• barsabove — 是一个布尔型变量，当 = True 时，误差棒会叠在数据点上方，默认为 False，即误差棒在数据点下方
• lolims, uplims, xlolims, xuplims — 是布尔型变量，用于表示上下限，或者 x 数据的上下限。使用这个功能时必须事先指定了 x、y 轴的范围
• markerfacecolor 或 mfc — 数据点内部填充的颜色
• markeredgecolor 或 mec — 数据点边框的颜色
• markersize 或 ms — 数据点的大小
• markeredgewidth 或 mew 或 capthick — 数据点边框的宽度。如果 markeredgewidth 或 mew 与 capthick 同时被赋予了值，那么 capthick 的值会被覆盖
• errorevery — 每隔多少个数据点画一次误差棒。默认为 1，即每个点都画。

画时间序列图

可以用 axes 对象中的 plot_date() 方法画时间序列图。

字符串转换成时间序列有两种方法：

1. 用 Python 内建的 dateutil 包的 parser.parse() 函数将字符串处理成由 datetime 对象组成的列表。接着可以用 pylab 包的 date2num() 函数或者 matplotlib 包 dates 模块里的 date2num() 把时间序列转换为浮点数，用作 plot_date() 的输入。例如：

import dateutil.parser
import matplotlib.dates as mdates
import numpy as np

x_lst = np.arange(7)
y_lst = np.sin(x_lst)
date_lst = ['2018-01-01T22:45:56', '2018-01-01T23:56:56', '2018-01-02T01:12:21', '2018-01-02T02:30:14',
            '2018-01-02T03:33:21', '2018-01-02T04:35:45', '2018-01-02T05:40:11']
dates = [dateutil.parser.parse(s) for s in date_lst]
datenums = mdates.date2num(dates)

fig = plt.figure(figsize=(9,6))
ax = fig.gca()
ax.plot_date(datenums, y_lst ,'r-')
plt.show()

1. 用 matplotlib 包 dates 模块里的 datestr2num() 函数把字符串序列转换成浮点数另一种方法是把 x 或 y 转换成浮点数后，先用普通的 plot() 方法画图，而后再用 xaxis_date() 或 yaxis_date() 方法把对应的轴转换为时间轴。例如：

import matplotlib.dates as mdates

date = ['3 Jan 2013', '4 Jan 2013', '5 Jan 2013', '6 Jan 2013', '7 Jan 2013']
time = ['16:44:00', '16:45:00', '16:46:00', '16:47:00', '16:48:00']

x = mdates.datestr2num(date)
y = mdates.datestr2num(time)

fig = plt.figure(figsize=(9,6))
ax = fig.gca()
ax.plot(x, y, 'ro-')
ax.xaxis_date()
ax.yaxis_date()
plt.show()

格式化时间轴：在 plot_date() 之后可以用 fig.autofmt_xdate() 自动格式化时间轴。

指定时间轴刻度的大小需要使用 matplotlib 包的 dates 模块中的一些列时间间隔对象。例如：

import matplotlib.dates as mdates

x_lst = np.arange(7)
y_lst = np.sin(x_lst)
date_lst = ['2018-01-01T22:45:56', '2018-01-01T23:56:56', '2018-01-02T01:12:21', '2018-01-02T02:30:14',
            '2018-01-02T03:33:21', '2018-01-02T04:35:45', '2018-01-02T05:40:11']
dates = [dateutil.parser.parse(s) for s in date_lst]
datenums = mdates.date2num(dates)

fig = plt.figure(figsize=(9,6))
ax = fig.gca()
ax.plot(datenums, y_lst, 'r-')
ax.xaxis_date()
ax.xaxis.set_major_locator(mdates.HourLocator())
ax.xaxis.set_minor_locator(mdates.MinuteLocator(byminute=np.arange(0,60,10)))
plt.show()

上面的例子表示大刻度为每个小时一个，小刻度为每10分钟一个。类似的 locator 还有：

• YearLocator(base=1, month=1, day=1, tz=None)
• MonthLocator(bymonth=None, bymonthday=1, interval=1, tz=None)
• WeekdayLocator(byweekday=1, interval=1, tz=None)
• DayLocator(bymonthday=None, interval=1, tz=None)
• HourLocator(byhour=None, interval=1, tz=None)
• MinuteLocator(byminute=None, interval=1, tz=None)
• SecondLocator(bysecond=None, interval=1, tz=None)
• MicrosecondLocator(interval=1, tz=None)

例如，YearLocator() 表示刻度位于每年的 1 月 1 日处； YearLocator(5, month=7, day=4) 表示刻度位于每年的 7 月 4 日。 其余的用法略有区别，例如 MinuteLocator(byminute=np.arange(0, 10, 60)) 表示刻度为每 10 分钟一个，位于 0, 10, 20, ... 50 处。

画散点图

可以用 axes.scatter() 方法画不同颜色的散点图。

ax.scatter(x_lst, logg_lst, c=c_lst, s=radius_lst, alpha=0.75, cmap='jet')

其中各输入参数：

• c — 颜色列表（颜色会自动归算到 0 ～ 255）
• s — 散点大小的列表
• cmap — 指定的颜色表
• lw 或 linewidth — 散点的边框宽度。若无边框则 lw=0
• edgecolor — 边框的颜色。例如 edgecolor='r' 把边框设为红色

画平面二维图像

用 axes.imshow() 方法画平面二维图像

axes.imshow()

• aspect — 图像会自动调整为 1:1 的比例，这样先前设定的 axes 尺寸失效。如果想要不自动调整比例，需要 aspect='auto'
• interpolation — 数据插值的方法。可选的取值：'none', ‘nearest’, ‘bilinear’, ‘bicubic’, ‘spline16’, ‘spline36’, ‘hanning’, ‘hamming’, ‘hermite’, ‘kaiser’, ‘quadric’, ‘catrom’, ‘gaussian’, ‘bessel’, ‘mitchell’, ‘sinc’, ‘lanczos’，默认为 'nearest'
• origin — 零点的位置。可选的取值有：'upper', 'lower'，默认为 'upper'
• extent — 输入是一个 tuple，指定坐标轴上下左右的边界：(left, right, bottom, top)。如果没有就会用二维数组的行数和列数表示。

画箭头

Axes() 对象的 quiver() 方法可以绘制箭头。它的调用有 4 种方法：

   quiver(U, V, **kw)
   quiver(U, V, C, **kw)
   quiver(X, Y, U, V, **kw)
   quiver(X, Y, U, V, C, **kw)

其中 X,Y 是箭头尾部的数据值（可以是 1-D 或者 2-D 数组）；U,V 是箭头矢量；C 是颜色。可选参数有：

• units — 可选值为 'width'/'height'/'dots'/'inches'/'x'/'y'/'xy' 但是该参数不代表箭头的长度
• scale_unit — 可选值与 unit 参数一样。如果为 'x' 则代表箭头长度为 x 轴单位长度的 0.5 倍。如果 X,Y,U,V 都代表真实的数据，应该使用 angles='xy', scale_units='xy', scale=1
• scale — 是一个浮点数，如果不指定就自动计算 scale 值

使用颜色棒

可以用 figure.colorbar() 方法在 axes.imshow() 或者 axes.scatter() 画的图上添加颜色棒 (colorbar)

fig = plt.figure(figsize=(12,8))
ax = fig.gca()
data = np.random.rand(50,50)*50000
cax = ax.imshow(data)
cbar = fig.colorbar(cax)
plt.show()

天空投影图

在这一节中，我们结合天文绘图中的一些实例来演示Matplotlib的用法

首先导入需要用到的python软件包

import pandas as pd
from astropy.table import Table
import matplotlib.pyplot as plt
import numpy as np

接下来我们用已知的系外行星表格为例，演示散点图和天空投影图的绘制方法。

首先到 http://exoplanet.eu/ 网站上下载系外行星表格，文件名为 exoplanet.eu_catalog.csv。这是一个csv格式的文件，包含已知的系外行星的各种参数。

用 pandas 的 read_csv() 函数读入这个文件，并用 astropy.table 模块转换成 Astropy 格式的表格：

df = pd.read_csv('exoplanet.eu_catalog.csv')

t = Table.from_pandas(df)
print(t)
print(t.colnames)

  # name   planet_status ...              star_alternate_names             
---------- ------------- ... ----------------------------------------------
  11 Com b     Confirmed ...                                             --
  11 Oph b     Confirmed ...                         Oph 1622-2405, Oph 11A
  11 UMi b     Confirmed ...                                             --
  14 And b     Confirmed ...                                             --
  14 Her b     Confirmed ...                                             --
  14 Her c     Confirmed ...                                             --
16 Cyg B b     Confirmed ...                                             --
       ...           ... ...                                            ...
 tau Gem b     Confirmed ...                                             --
 ups And b     Confirmed ...                                             --
 ups And c     Confirmed ...                                             --
 ups And d     Confirmed ...                                             --
 ups And e     Confirmed ...                                             --
 ups Leo b     Confirmed ...                                             --
 zet Del B     Confirmed ... HD 196180, HIP 101589, 2MASS J20351852+1440272
Length = 5156 rows
['# name', 'planet_status', 'mass', 'mass_error_min', 'mass_error_max', 'mass_sini', 'mass_sini_error_min', 'mass_sini_error_max', 'radius', 'radius_error_min', 'radius_error_max', 'orbital_period', 'orbital_period_error_min', 'orbital_period_error_max', 'semi_major_axis', 'semi_major_axis_error_min', 'semi_major_axis_error_max', 'eccentricity', 'eccentricity_error_min', 'eccentricity_error_max', 'inclination', 'inclination_error_min', 'inclination_error_max', 'angular_distance', 'discovered', 'updated', 'omega', 'omega_error_min', 'omega_error_max', 'tperi', 'tperi_error_min', 'tperi_error_max', 'tconj', 'tconj_error_min', 'tconj_error_max', 'tzero_tr', 'tzero_tr_error_min', 'tzero_tr_error_max', 'tzero_tr_sec', 'tzero_tr_sec_error_min', 'tzero_tr_sec_error_max', 'lambda_angle', 'lambda_angle_error_min', 'lambda_angle_error_max', 'impact_parameter', 'impact_parameter_error_min', 'impact_parameter_error_max', 'tzero_vr', 'tzero_vr_error_min', 'tzero_vr_error_max', 'k', 'k_error_min', 'k_error_max', 'temp_calculated', 'temp_calculated_error_min', 'temp_calculated_error_max', 'temp_measured', 'hot_point_lon', 'geometric_albedo', 'geometric_albedo_error_min', 'geometric_albedo_error_max', 'log_g', 'publication', 'detection_type', 'mass_detection_type', 'radius_detection_type', 'alternate_names', 'molecules', 'star_name', 'ra', 'dec', 'mag_v', 'mag_i', 'mag_j', 'mag_h', 'mag_k', 'star_distance', 'star_distance_error_min', 'star_distance_error_max', 'star_metallicity', 'star_metallicity_error_min', 'star_metallicity_error_max', 'star_mass', 'star_mass_error_min', 'star_mass_error_max', 'star_radius', 'star_radius_error_min', 'star_radius_error_max', 'star_sp_type', 'star_age', 'star_age_error_min', 'star_age_error_max', 'star_teff', 'star_teff_error_min', 'star_teff_error_max', 'star_detected_disc', 'star_magnetic_field', 'star_alternate_names']

接下来，我们选取其中用视向速度方法（Radial Velocity）和凌星方法（Transit）发现的系外行星，并提取他们的RA、Dec

m = t['detection_type']=='Radial Velocity'
t1 = t[m]
ra = t1['ra']
dec = t1['dec']
Vmag = t1['mag_v']

m2 = t['detection_type']=='Primary Transit'
t2 = t[m2]
ra2 = t2['ra']
dec2 = t2['dec']
Vmag2 = t2['mag_v']

接下来把这些系外行星的坐标用不同颜色画在一张图上

fig = plt.figure(figsize=(14,7))
ax = fig.gca()
ax.scatter(ra, dec, alpha=0.5, s=5)
ax.scatter(ra2, dec2,  alpha=0.5, s=5)
ax.set_xlabel('RA (deg)')
ax.set_ylabel('Dec (deg)')
plt.show()

下面改用 Hammer 投影：

fig = plt.figure(figsize=(12,6))
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8], projection='hammer')
ax.plot(np.pi-np.deg2rad(ra), np.deg2rad(dec), 'o', ms=3, alpha=0.6)
ax.plot(np.pi-np.deg2rad(ra2), np.deg2rad(dec2), 'o', ms=3, alpha=0.6)
plt.show()