Python－使用Matplotlib完成資料視覺化

前言：我們進行數據分析時，若是缺乏工具將information轉換成圖片，以供他人一目了然地觀看，著為缺憾。除了分析師以外，會需要檢視數據的人通常都對我們分析的目標的所有屬性一知半解，只能由數字的比重來評判目標的屬性，此時難免就會發生雙方認知不對等的情形。而資料視覺化便能一定程度地降低這情況的嚴重性及發生機率。

簡介：Matplotlib是Python程式語言及其數值數學擴展包 NumPy的可視化操作界面。能夠將數據藉由圖片的方式展現。

優點：圖形相較其他繪圖軟體好看、繪圖細節非常精細

缺點：高度依賴其他擴展模組、不易操縱繪圖細節、只適用於Python

下載過程（需先安裝Python）：

先進入terminal，依照下列的步驟輸入（強烈建議此處一同將Numpy Download），

----------------------------------------------------------------------------------

• $ pip install matplotlib
• $ pip install numpy

----------------------------------------------------------------------------------

原則上過程不會出什麼問題，如果Python版本過舊的話，可能就會在下載過程要求更新。

之後再進入Python的對話式互動介面，而此處建議初學者會先載入這兩個模組，因為較常用到。但變成熟手之後建議培養import exlicitly的習慣，能夠讓命名空間乾淨點。

----------------------------------------------------------------------------------

• $ python
• >>>import matplotlib.pyplot as plt # 使用matplotlib.pyplot模塊，並縮寫成plt
• >>>import numpy as np # 使用numpy模塊，並縮寫成np

----------------------------------------------------------------------------------

之後我們會依照需求，決定需要分析的數據適合的圖形，然後在載入相對應的函數，下文將介紹幾種常用的圖形及幾種常更動的繪圖細節：

• 曲線圖plot
• 散點圖scatter
• 長條圖hist

曲線圖

----------------------------------------------------------------------------------

• x = np.linspace(-1, 1, 50) # 使用linspace定義x，範圍是(-1,1)，個數是50個
• y = np.sin(x)+2.71828
• plt.plot(x, y) # 使用plt.plot來畫x-y曲線
• plt.show() # 使用plt.show()來顯示圖像

----------------------------------------------------------------------------------

---------------------------------------------------------------------------------- 

散點圖

----------------------------------------------------------------------------------

• n = 1024 # data size 
• X = np.random.normal(0, 1, n) # 每一個點的X值 
• Y = np.random.normal(0, 1, n) # 每一個點的Y值 
• T = np.arctan2(Y,X) # for color value
• plt.scatter(X, Y, s=75, c=T, alpha=.5) # 輸入X和Y，size=75，顏色為T，color map用默認值，透明度alpha 為 50%。
• plt.xlim(-1.5, 1.5) #  定義x軸顯示範圍
• plt.xticks(()) # ignore xticks #  隱藏x坐標軸
• plt.ylim(-1.5, 1.5) #  定義y軸顯示範圍
• plt.yticks(()) # ignore yticks #  隱藏y坐標軸
• plt.show()

----------------------------------------------------------------------------------

---------------------------------------------------------------------------------- 

長條圖

----------------------------------------------------------------------------------

• a,b = 100, 15 
• x = a + 100 * np.random.randn(10000)
• n, bins, patches = plt.hist(x, 50, normed=1, alpha=0.75) 
• plt.show()

---------------------------------------------------------------------------------- 

---------------------------------------------------------------------------------- 

此連結詳細記載了常用的參數，有需要時可供查閱，連結。