php绘制正弦图技巧_手把手教你用Matplotlib进行数据可视化

近几年，更新、更炫酷的工具（例如，R措辞中的ggplot和ggvis）层出不穷，终极取代了Matplotlib，可是Matplotlib仍旧是一个经由良好测试的、非常主要的跨平台图形引擎。

作者：阿迪蒂亚·夏尔马（Aditya Sharma）、维什韦什·拉维·什里马利（Vishwesh Ravi Shrimali）、迈克尔·贝耶勒（Michael Beyeler）

来源：华章科技

01 导入Matplotlib

如果你安装了完全的Python Anaconda，那么你已经安装了Matplotlib，可以开始了。
否则，你可能要访问官网获取安装解释。

http://matplotlib.org

就像我们用缩写np来表示NumPy一样，我们也会用一些标准的缩写来表示Matplotlib导入：

importmatplotlibasmplimportmatplotlib.pyplotasplt

plt是我们最常用的一个接口。

言归正传，让我们创建第一个图形。

假设我们要绘制正弦函数sin(x)的一个大略线图。
我们希望函数求x轴（0≤x≤10）上的所有值。
我们将利用NumPy的linspace函数在x轴上创建一个线性空间，x值从0到10，共100个样本点：

importnumpyasnpx=np.linspace(0,10,100)

我们可以利用NumPy的sin函数求sin函数的所有x值，并通过调用plt的plot函数可视化结果：

plt.plot(x,np.sin(x))

你亲自试过了吗？发生什么了？有什么创造吗？

问题是，这取决于你在何处运行这个脚本，你可能什么都看不到。
以下是可以考虑的可能性：

1. 从.py脚本绘图

如果你正从一个脚本运行matplotlib，那么你只须要调用plt，如下所示：

plt.show()

调用后，图形就会显示出来！

2. 从IPython shell绘图

这实际上因此交互办法运行matplotlib的最便捷的办法之一。
要显示绘图，你须要在启动IPython之后，调用%matplotlib魔术命令：

%matplotlibUsingmatplotlibbackend:Qt5Agg

importmatplotlib.pyplotasplt

然后，所有图都会自动显示出来，不必每次都调用plt.show()。

3. 从Jupyter Notebook绘图

如果你从基于浏览器的Jupyter Notebook上查看这段代码，你须要利用同样的%matplotlib魔术命令。
可是，你还可以选择将图形直接嵌入notebook中，这有两种可能的结果：

我们常日会选择内联选项：

%matplotlibinline

现在，让我们再试一次：

plt.plot(x,np.sin(x))

上述命令给出的输出如图2-4所示。

▲图2-4 运用内联选项天生的图

稍后，如果你想保存图表，可以直接从IPython或Jupyter Notebook的选项中保存：

plt.savefig('figures/02.03-sine.png')

只要担保利用所支持的文件后缀即可，例如.jpg、.png、.tif、.svg、.eps或者.pdf。

在导入matplotlib之后，运行plt.style.use(style_name)，你可以变动绘图的样式。
在plt.style.available中列出了所有可用的样式。
例如，试试plt.style.use('fivethirtyeight')、plt.style.use('ggplot')或者plt.style.use('seaborn-dark')。
为了增加乐趣，可以运行plt.xkcd()，再考试测验绘制其他内容。

作为本文的末了一个测试，让我们可视化一些来自外部数据集的数据，例如scikit-learn的digits数据集。

详细来说，我们将须要3个可视化工具：

首先，让我们导入所有这些可视化工具：

importnumpyasnpfromsklearnimportdatasetsimportmatplotlib.pyplotasplt%matplotlibinline

第一步是实际加载数据：

digits=datasets.load_digits()

如果我们没有记错的话，digits该当有2个不同的字段：一个是data字段，包含实际的图像数据；另一个是target字段，包含图像标签。

与其相信我们的影象，不如让我们研究一下digits工具。
这通过输入字段名称、添加句点、再按下Tab键—digits.<TAB>来实现。
这会显示出digits工具还包含了一些其他字段，例如一个名为images的字段。
images和data这2个字段彷佛只是形状不同：

print(digits.data.shape)print(digits.images.shape)

输出结果：

(1797,64)(1797,8,8)

在这两个例子中，第一维都对应于数据集中的图像数。
但是data将所有像素排列在一个大的向量中，而images则保留了每个图像的8×8空间排列。

因此，如果我们想绘制单张图像，images字段可能更得当。
首先，利用NumPy的数组切割，从数据集中抓取一张图像：

img=digits.images[0,:,:]

这里，我们说想要抓取长为1797项的数组中的第一行，以及所有对应的8×8=64个像素。
然后，我们可以利用plt的imshow函数绘制图像：

plt.imshow(img,cmap='gray')plt.savefig('figures/02.04-digit0.png')

上述命令给出的输出如图2-5所示。
请把稳，图像是模糊的，由于我们将该图像调度到了更大的尺寸。
原始图像的大小只有8×8。

▲图2-5 天生单张图像的示例结果

此外，我们还可以利用cmap参数指定一个彩图。
在默认情形下，Matplotlib利用MATLAB的默认彩图jet。
可是，对付灰度图像，gray彩图更故意义。

末了，我们可以利用plt的subplot函数绘制一组数字样本。
subplot函数与在MATLAB中一样，我们指定行数、列数以及当前子图的索引（从1开始）。
我们将利用一个for循环遍历数据集中的前10个图像，每个图像都有自己的子图：

plt.figure(figsize=(14,4))forimage_indexinrange(10):#imagesare0-indexed,subplotsare1-indexedsubplot_index=image_index+1plt.subplot(2,5,subplot_index)plt.imshow(digits.images[image_index,:,:],cmap='gray')

天生的输出如图2-6所示。

▲图2-6 天生包含10个数字的一组子图

对付各种数据集，另一个很好的资源是本书作者迈克尔·贝耶勒的母校加州大学欧文分校的机器学习资源库：

http://archive.ics.uci.edu/ml/index.php

关于作者：阿迪蒂亚·夏尔马（Aditya Sharma），罗伯特·博世（Robert Bosch）公司的一名高等工程师，致力于办理真实天下的自动打算机视觉问题。
曾得到罗伯特·博世公司2019年人工智能编程马拉松的首名。

维什韦什·拉维·什里马利（Vishwesh Ravi Shrimali），于2018年毕业于彼拉尼博拉理工学院（BITS Pilani）机器工程专业。
此后一贯在BigVision LLC从事深度学习和打算机视觉方面的事情，还参与了官方OpenCV课程的创建。

迈克尔·贝耶勒（Michael Beyeler），是华盛顿大学神经工程和数据科学的博士后研究员，致力于仿生视觉的打算模型研究，以为盲人植入人工视网膜（仿生眼睛），改进盲人的感知体验。
他的事情属于神经科学、打算机工程、打算机视觉和机器学习的交叉领域。

本文摘编自《机器学习：利用OpenCV、Python和scikit-learn进行智能图像处理（原书第2版）》，经出版方授权发布。

延伸阅读《机器学习：利用OpenCV、Python和scikit-learn进行智能图像处理（原书第2版》

推举语：保姆级OpenCV入门实战手册——“蝴蝶书”全新升级！
通过详细的编程实践案例，先容最新OpenCV 4版本所供应的大量新特性和平台改进。
通过书中供应的用例代码，你可以快速熟习并节制机器学习领域的干系知识，节制利用OpenCV 4构建智能打算机视觉运用程序所须要的机器学习技能。

标签：我们Matplotlib