python绘图：matplotlib和pandas的应用

 在进行数据分析时，绘图是必不可少的模式探索方式。用Python进行数据分析时，matplotlib和pandas是最常用到的两个库。
1、matplotlib库的应用
准备工作如下：打开ipython，输入命令分别导入numpy和matplotlib.pylab库。
[python] view plain copy
    import numpy as np  
    import matplotlib.pylab as plt 
1）创建fig
绘图第一步是创建绘图窗口fig。
[python] view plain copy
    fig1 = plt.figure() 
2）创建subplot
在窗口上添加AxesSubplot类型的子绘图区域，一个窗口可以添加多个子绘图区。
[python] view plain copy
    ax1 = fig1.add_subplot(2,2,1)  
    ax4 = fig1.add_subplot(2,2,4) 
3）subplot中绘图
调用子绘图区的方法，可以绘制点线图、频数图、散点图等常用图形。
注意：在同一个subplot中多次调用plot()，所得到的图形是相互覆盖的。
[python] view plain copy
    ax1.plot(np.random.randn(50).cumsum(),'k--')  
    ax4.hist(np.random.randn(30)) 
4）各类参数设置
主要关注以下几种方法：set_xlims设置坐标轴的上下限、set_ticks设置坐标刻度、set_ticklabel设置坐标标注。
[python] view plain copy
    ax1.set_xlim(-10,60)  
    ax1.set_xticks([0,20,40,60])  
    ax1.set_xticklabels(['a','b','c','d']) 
5）清除和保存图形
用subplot的clear()方法可以清除现有的图形，用figure的savefig()保存图形到指定路径。
[python] view plain copy
    ax1.clear()  
    #windows下的路径  
    fig1.savefig(‘.\\test.jpg’) 
2、pandas库的应用
相比于利用matplotlib库绘图，采用pandas绘图要便捷得多。参照前一部分，同样需要导入pandas、numpy库。
[python] view plain copy
    import pandas as pd  
    from pandas import Series,DataFrame  
    import numpy as np 
1）plot方法及参数
对于Series和DataFrame类型的数据，可以直接调用两种类型对应的plot方法，绘图时自动采用索引值绘制横坐标，采用每一列数据绘制纵坐标。这里分别以两类数据为例。
[python] view plain copy
    se1 = Series(np.random.randn(30).cumsum())  
    df = DataFrame({'a':np.random.randn(30),'b':np.random.randn(30)}) 
参数设置很方便，在plot()方法参数列表中添加相应参数值即可。常用的有：类型kind可设置为line（线图）、bar（垂直柱状图）、barh（水平柱状图）、kde（核密度估计图），另外还有color颜色设置、linestyle线型设置、alpha设置透明度、grid设置网格等。
[python] view plain copy
    se1.plot(kind = 'bar', color = 'g', alpha = 0.5, grid=True)  
    df.plot(kind = 'bar', alpha=0.5) 
2）频数图、散点图
频数图采用hist绘制即可，单幅的散点图还得依靠matplotlib库，但pandas提供多幅散点图矩阵的快速绘图方法。
[python] view plain copy
    se1.plot(kind = 'bar', color = 'g')  
    #对角线上图形设置为核密度图  
    pd.scatter_matrix(df, diagonal='kde') 
3）清除和保存图形
有时候，我们希望清除掉当前图形或者干脆关闭绘图窗口。可以采用figure的clear()方法清除图形，采用matplotlib.pylab的close（）方法则能够直接关闭图形窗口。
[python] view plain copy
    df.plot()  
    #清除绘图  
    _.get_figure().clear()  
    #关闭窗口  
    plt.close() 
3、python绘图的未来
Python同时具备强大的数据分析功能和Web开发功能，未来绘图的趋势将是更加紧密的联系数据分析和Web发布功能，所有绘制的图形应当能够方便的在网页上发布。数据分析人员和网页开发人员的工作耦合将会更加紧密。