數據分析基本工具-Matplotlib

數據領航員 -

Matplotlib介紹

Matplotlib為python視覺化核心套件，由John Hunter於2003年開發，使用類似MatLab的語法和樣式來繪圖，因此Matplotlib就是MATLAB+Plot+Library的簡稱。

Matplotlib有一個很常見的模組pyplot，而pyplot這個模組還包含了一個我們經常用來計算和資料分析的套件—Numpy，讓使用者在使用pyplot這個模組時，可以透過Numpy來進行計算，在繪製圖表呈現。

就讓我們來看看要如何使用Matplotlib這個工具吧！

安裝套件

%matplolib.inline只能在jupyter notebook或google colab中執行，使用其他的編輯器則要在程式碼尾端使用plt.show()的方式來顯示圖表。

準備資料

繪製的資料通常會使用numpy陣列或是pandas欄位，本篇主要會以numpy陣列的方式作為輸入資料。

有了資料後，先來認識有哪些基本元素吧~

Matplotlib基本元素

圖片來源-Matplotlib.org
  • Figure 畫布：是最頂層元素，一個Figure可以包含多個Axes
  • Axes 子圖：包含X軸、Y軸、標題、X軸標籤、Y軸標籤
  • Axis 軸：軸上可以設定刻度和刻度標籤
  • Title 標題
  • label 標籤
  • tick 刻度
  • legend 圖例

Matplotlib兩種使用方法

  1. pyplot-style，EX：plt.plot()
  2. 物件導向方法

1.pyplot-style

pyplot-style的優點是會選擇當下的 axe 繪圖且可直接對圖型進行設定；相對的，複雜的圖型就會變得比較不那麼適用。

pyplot-style會用直接呼叫的方式進行繪圖，像是下方繪製折線圖所使用到的plt.plot(), plt.title()…

pyplot style-折線圖

在同一個畫布繪製多張子圖

當想並行比較多張圖的差異時，可以用繪製多張子圖這個功能來協助分析

使用方法：plt.subplot(圖表列數, 圖表行數, 圖表編號)

2.Matplotlib物件導向方法

物件導向方法會先透過宣告物件，像是fig與axe，然後再呼叫該物件的方法或屬性來進行繪圖

使用方法：fig, axe = plt.subplots()

物件導向方法-折線圖

subplots()

同樣的，透過在plt.subplots()加入參數也可以像上方pyplot-style同時繪製多個子圖

使用方法：plt.subplots(nrows=列數量, ncols=行數量, figsize=畫布大小)

此物件為一個軸管理器，可以自行設定圖的排列方式及數量

認識兩種繪製圖表的方法之後，有沒有哪些方法可以讓圖的樣式更貼近分析的主題呢？答案是「有的」！

接下來就為大家介紹一些美化圖表方法

圖表樣式設定

圖例
圖例可以以座標軸物件的 legend() 方法搭配繪圖時的 label 參數創建。

顏色、線寬、線條樣式

  • 顏色：
    b為blue、g為green、r為red，也可以用color= RGB 16進位代碼來表示顏色，其中alpha表示不透明度。
  • 線寬：linewidth或lw
  • 線條樣式：linestyle或ls，EX：- ,-- ,: , .-

EX：’g--’表示綠色虛線

這邊簡單介紹了一些常用的圖表樣式的用法，希望對大家有幫助～

除了上述內容所介紹到的折線圖，以下將為大家介紹如何用Matplotlib繪製其他圖表，就讓我們來看看吧！

常見圖表

一、直方圖
使用方法：plt.hist(資料, width=直方塊寬度)

注意：資料的型態需為list或tuple

💡小補充：random.sample()隨機選擇 k個元素存放置 list 中

直方圖

二、圓餅圖
使用方法：plt.pie(資料, labels=標籤, autopct=顯示比例且設定取到小數點後幾位數)

💡小補充：random.randint()取得隨機整數

autopct = '%.1f'：取到小數點後一位
autopct = '%.2f'：取到小數點後兩位
如果想在比例後方加上%符號
autopct = '%.1f%%'
autopct = '%.2f%%'
圓餅圖

三、散佈圖
使用方法：plt.scatter(x軸數列, y軸數列, label=點名稱, c=點顏色)

注意：x軸數列與 y軸數列需等長

下方用隨機產生的方式來假設有兩組同學(A, B)各有六位成員，想要了解這兩組同學在數據分析這堂課的表現如何，我們可以透過用設定兩組plt.scatter()來分別呈現這兩組成員們的表現，並用顏色區分兩組資料。

散佈圖

四、盒鬚圖

使用方法：plt.boxplot(資料, vert=True, patch_artist=True)

  • vert ：預設為True，盒鬚圖為垂直方向，False則為水平方向
  • patch_artist：預設為False，四分位框內不填充，True為填充
盒鬚圖

結語

Matplotlib是在進行數據分析時常用到的視覺化工具，看到這邊相信大家都對基礎的繪圖方法有一定的認識了，本篇Matplotlib的介紹就先告一段囉！希望大家往後可以透過美美的圖來說故事，下一篇將會為大家介紹Matplotlib的兄弟Seaborn，請大家敬請期待囉～

本次使用到的程式碼也分享給大家使用～～

參考資料：

Matplotlib官網

常見的探索性資料分析

Matplotlib 簡介

本文授權轉載自數據領航員 / 原文刊登於：數據分析基本工具-Matplotlib