关于matplotlib:安利-5-个拍案叫绝的-Matplotlib-骚操作

公众号：Python 数据迷信
作者：东哥腾飞

大家都晓得，Matplotlib 是 Python 的可视化库，性能很强，能够绘制各种图。一些惯例用法前不久分享过 Matplotlib 官网出品的 cheatsheet：Matplotlib 官网小抄手册公开，配套可视化代码已打包！

然而！明天咱们不走寻常路，专挑几个贼骚的操作分享下.

1. Span Selector

Span Selector是 Matplotlib 中的鼠标小部件，widgets是用于蕴含一些交互性能的 python 对象。Span Selector能够通过鼠标框选，不便地查看选定区域的最大值和最小值。

上面是代码，首先创立一个根本折线图作为例子。而后，咱们调用 SpanSelector 办法并应用它来抉择一个区域，而后在该区域中显示最大值和最小值。

import matplotlib.pyplot as plt
from matplotlib.widgets import SpanSelector
def onselect(xmin, xmax):
    print(xmin, xmax)
    return xmin, xmax
fig, ax = plt.subplots()
ax.plot([1,2,3,4,5,6,7], [10, 50, 100, 23,15,28,45])
span = SpanSelector(ax, onselect, 'horizontal', useblit=True, rectprops=dict(alpha=0.5, facecolor='red'))       
plt.show()

上面是具体操作。

2. Broken Barh

Broken的程度条形图是不间断具备间隙的图，它可用于数据值相差很大的状况下，例如，蕴含极其温度范畴的数据集。在这种状况下，Broken 的程度条形图十分适合，因为它们能够同时绘制最大和最小范畴。

python 模块 matplotlib.broken_barh() 用于绘制 Broken 的程度条形图。

import matplotlib.pyplot as plt 
#Defining the x and y ranges 
xranges = [(5,5), (20,5),(20,7)] 
yrange = (2,1) 
#Plotting the broken bar chart 
plt.broken_barh(xranges, yrange, facecolors='green') 
xranges = [(6,2), (17,5),(50,2)] 
yrange = (15,1) 
plt.broken_barh(xranges, yrange, facecolors='orange') 
xranges = [(5,2), (28,5),(40,2)] 
yrange = (30,1) 
plt.broken_barh(xranges, yrange, facecolors='red') 
plt.xlabel('Sales') 
plt.ylabel('Days of the Month') 
plt.show()

3. Table Demo

Matplotlib的表格性能也是能够在图中显示表格的。当咱们心愿以条形图的模式疾速查看表格中的值时，这特地不便。表格能够搁置在图表的顶部，底部或侧面。

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 
x = np.random.rand(5, 8)*.7 
plt.plot(x.mean(axis=0), '-o', label='average per column') 
plt.xticks([]) 
plt.table(cellText=[['%1.2f' % xxx for xxx in xx] for xx in x],cellColours=plt.cm.GnBu(x),loc='bottom') 
plt.show()

4. Watermark Images

有时候咱们感觉可视化的背景太枯燥了，想减少点趣味性，比方将与数据相干的图像作为水印笼罩到可视化图形上。上面就以 NBA 的詹皇为例试试水，最初呈现出詹皇的数据，同时背景是詹皇自己。

首先，导入要用的数据集，图片和必要的库pandas。

import numpy as np 
import matplotlib.image as image 
import matplotlib.pyplot as plt 
import pandas as pd 
df = pd.read_csv('income.csv') 
im = image.imread('Lebron_James.jpeg') # Image

用 pandas 过滤掉仅由勒布朗组成的数据。

lebron_james = df[df['Name']=='LeBron James']

而后像上面这样操作，应用 figimage 增加水印就 ok 了。

fig, ax = plt.subplots() 
ax.grid() 
ax.plot('Year','earnings ($ million)',data=lebron_james) 
ax.set_title("LeBron James earnings in US$(millions)") 
fig.figimage(im, 60, 40,cmap='ocean', alpha=.2) 
plt.show()

5. XKCD Plots

上面这个操作更有趣味性（更骚）。

如果你想让 Matplotlib 图上增加一些扭曲，能够简略地 xkcd() 在pyplot对象上调用办法，如下所示。

import pandas as pd 
import matplotlib.pyplot as plt 
df = pd.read_csv('https://raw.githubusercontent.com/parulnith/Website-articles-datasets/master/India%20GDP%20Growth%20Rate%20.csv', parse_dates=['Year']) 
df['Year'] = df['Year'].apply(lambda x: pd.Timestamp(x).strftime('%Y')) 
#calling xkcd() method 
plt.xkcd(scale=5, length=400) 
df.plot(x='Year',y='GDP Growth (%)',kind='bar') 
plt.ylabel('GDP Growth (%)') 
plt.xticks(rotation=-20) 
plt.figure(figsize=(10,8)) 
plt.show()

文章参考：
https://towardsdatascience.co…

先分享这些，如果感觉有帮忙，还请 多分享 和点个赞。

欢送大家关注我的原创微信公众号 Python 数据迷信，专一于写基于 Python 的数据算法、机器学习、深度学习硬核干货。