Matplotlib介紹
Matplotlib 是一款用于數(shù)據(jù)可視化的 Python 軟件包，支持跨平臺運行，它能夠根據(jù) NumPy ndarray 數(shù)組來繪制 2D 圖像，它使用簡單、代碼清晰易懂，深受廣大技術(shù)愛好者喜愛。
NumPy 是 Python 科學計算的軟件包，ndarray 則是 NumPy 提供的一種數(shù)組結(jié)構(gòu)。
Matplotlib 由 John D. Hunter 在 2002 年開始編寫， 2003 年 Matplotlib 發(fā)布了第一個版本，并加入了 BSD 開源軟件組織。Matplotlib 1.4 是最后一個支持 Python 2 的版本，它的最新版本 3.1.1 已于 2019 年 7 月 1 日發(fā)布。
Matplotlib 提供了一個套面向繪圖對象編程的 API 接口，能夠很輕松地實現(xiàn)各種圖像的繪制，并且它可以配合 Python GUI 工具（如 PyQt、Tkinter 等）在應(yīng)用程序中嵌入圖形。同時 Matplotlib 也支持以腳本的形式嵌入到 IPython shell、Jupyter 筆記本、web 應(yīng)用服務(wù)器中使用。
振動圖
振動圖也叫磁場圖，或量場圖，其圖像的表現(xiàn)形式是一組矢量箭頭，其數(shù)學含義是在點 (x,y) 處具有分向量 (u,v)。
Matplotlib 提供繪制量場圖的函數(shù)，如下所示：
quiver(x,y,u,v)
上述函數(shù)表示，在指定的 (x,y) 坐標上以箭頭的形式繪制向量，參數(shù)說明如下：
| 參數(shù) | 說明 |
|---|---|
| x | 一維、二維數(shù)組或者序列，表示箭頭位置的x坐標。 |
| y | 一維、二維數(shù)組或者序列，表示箭頭位置的y坐標。 |
| u | 一維、二維數(shù)組或者序列，表示箭頭向量的x分量。 |
| v | 一維、二維數(shù)組或者序列，表示箭頭向量的y分量。 |
| c | 一維、二維數(shù)組或者序列，表示箭頭顏色。 |
以下示例，繪制了一個簡單的振動圖：
import matplotlib.pyplot as plt import numpy as np x,y = np.meshgrid(np.arange(-2, 2, 0.2), np.arange(-2, 2, 0.25)) z = x*np.exp(-x**2 - y**2) #計算數(shù)組中元素的梯度 v, u = np.gradient(z, 0.2, 0.2) fig, ax = plt.subplots() q = ax.quiver(x,y,u,v) plt.show()
上述代碼執(zhí)行后，輸出結(jié)果如下：
圖1：振動示例圖
箱型圖
箱型圖（也稱為盒須圖）于 1977 年由美國著名統(tǒng)計學家約翰·圖基（John Tukey）發(fā)明。它能顯示出一組數(shù)據(jù)的最大值、最小值、中位數(shù)、及上下四分位數(shù)。
在箱型圖中，我們從上四分位數(shù)到下四分位數(shù)繪制一個盒子，然后用一條垂直觸須（形象地稱為“盒須”）穿過盒子的中間。上垂線延伸至上邊緣（最大值），下垂線延伸至下邊緣（最小值）。箱型圖結(jié)構(gòu)如下所示：
圖1：箱型如結(jié)構(gòu)圖
首先準備創(chuàng)建箱型圖所需數(shù)據(jù)：您可以使用numpy.random.normal()函數(shù)來創(chuàng)建一組基于正態(tài)分布的隨機數(shù)據(jù)，該函數(shù)有三個參數(shù)，分別是正態(tài)分布的平均值、標準差以及期望值的數(shù)量。如下所示：
#利用隨機數(shù)種子使每次生成的隨機數(shù)相同 np.random.seed(10) collectn_1 = np.random.normal(100, 10, 200) collectn_2 = np.random.normal(80, 30, 200) collectn_3 = np.random.normal(90, 20, 200) collectn_4 = np.random.normal(70, 25, 200) data_to_plot=[collectn_1,collectn_2,collectn_3,collectn_4]
然后用 data_to_plot 變量指定創(chuàng)建箱型圖所需的數(shù)據(jù)序列，最后用 boxplot() 函數(shù)繪制箱型圖，如下所示：
fig = plt.figure() #創(chuàng)建繪圖區(qū)域 ax = fig.add_axes([0,0,1,1]) #創(chuàng)建箱型圖 bp = ax.boxplot(data_to_plot) plt.show()
上述代碼執(zhí)行后，輸出結(jié)果如下：
圖2：箱型圖輸出結(jié)果
提琴圖
小提琴圖（Violin Plot）是用來展示數(shù)據(jù)分布狀態(tài)以及概率密度的圖表。這種圖表結(jié)合了箱形圖和密度圖的特征。小提琴圖跟箱形圖類似，不同之處在于小提琴圖還顯示數(shù)據(jù)在不同數(shù)值下的概率密度。
小提琴圖使用核密度估計（KDE）來計算樣本的分布情況，圖中要素包括了中位數(shù)、四分位間距以及置信區(qū)間。在數(shù)據(jù)量非常大且不方便一一展示的時候，小提琴圖特別適用。
概率密度估計、置信區(qū)間、四分位間距都屬于統(tǒng)計學中的概念，可自行查閱，這里不做說明。
小提琴圖比箱型圖能提供了更多的信息。雖然箱型圖顯示了均值、中位數(shù)和上、下四分位數(shù)等統(tǒng)計信息，但是小提琴圖卻顯示了數(shù)據(jù)的完整分布情況，這更利于數(shù)據(jù)的分析與比對。下面是小提琴圖的使用示例：
import matplotlib.pyplot as plt np.random.seed(10) collectn_1 = np.random.normal(100, 10, 200) collectn_2 = np.random.normal(80, 30, 200) collectn_3 = np.random.normal(90, 20, 200) collectn_4 = np.random.normal(70, 25, 200) #創(chuàng)建繪制小提琴圖的數(shù)據(jù)序列 data_to_plot = [collectn_1, collectn_2, collectn_3, collectn_4] #創(chuàng)建一個畫布 fig = plt.figure() #創(chuàng)建一個繪圖區(qū)域 ax = fig.add_axes([0,0,1,1]) # 創(chuàng)建一個小提琴圖 bp = ax.violinplot(data_to_plot) plt.show()
輸出結(jié)果如下：
圖1：小提琴圖繪制
以上就是Python調(diào)用Matplotlib繪制振動圖、箱型圖和提琴圖的詳細內(nèi)容，更多關(guān)于Python Matplotlib繪制振動圖 箱型圖 提琴圖的資料請關(guān)注服務(wù)器之家其它相關(guān)文章！
原文鏈接：http://c.biancheng.net/matplotlib/quiver.html
