Python

2022-12-18 05:11| 来源: 网络整理| 查看: 265

Python-Matplotlib可视化（1）——一文详解常见统计图的绘制

* – matplotlib库 – 曲线图 – + 曲线图的绘制 + 结合Numpy库，绘制曲线图 + 绘制多曲线图 + 读取数据文件绘制曲线图 – 散点图 – 条形图 – + 单组条形图 + * 垂直条形图 * 水平条形图 + 多组条形图 + 堆积条形图 + 对称条形图 – 饼图 – 直方图 – 箱形图 – 三角网格图 – 系列链接

matplotlib库

Matplotlib是Python的绘图库，它提供了一整套和 matlab 相似的命令 API，可以生成出版质量级别的精美图形，Matplotlib使绘图变得非常简单，在易用性和性能间取得了优异的平衡。

曲线图曲线图的绘制

作为绘图程序的Hello World，我们将首先绘制一条简单的曲线。同时还将简单介绍matplotlib的工作原理。

import matplotlib.pyplot as plt x = range(50) y = [value * 2 for value in x] plt.plot(x, y) plt.show()

上述代码将会绘制曲线y=2*x，其中x在[0，50]范围内，如下所示：

可以看到窗口上方还包含多个图标，其中：

项目Value

此按钮用于将所绘制的图形另存为所需格式的图片，包括png，jpg，pdf，svg等常见格式

此按钮用于调整图片的尺寸，边距等图片属性

此按钮用于缩放图片，用于观察图形细节，单击此按钮后，在图形上使用鼠标左键拖拽进行放大，使用鼠标右键拖拽进行缩小

此按钮用于移动图形，可以与”缩放”按钮结合观察放大后图片的具体细节，同时，单击此按钮后，在图形上使用鼠标右键拖拽可以缩放坐标轴的比例

此按钮用于将图形恢复到其初始状态，取消缩放、移动等操作

Tips：plt.plot(x, y)用于绘制一条曲线，其中，曲线点的x坐标在列表x中给出，曲线点的y坐标在列表y中给出。

由于matplotlib它只专注于绘图，因此如果想从文件中读取输入或进行一些中间计算，那么必须使用Python模块，但不用担心，matplotlib与其他模块具有良好的兼容性，并不涉及过多的技巧。例如，要生成大量统计图形，可能需要使用科学计算包，如Numpy和Python的文件读取I/O模块。在接下来的讲解中会给出相应的示例。

结合Numpy库，绘制曲线图

绘制曲线cos(x)，x在[0, 2*pi]区间内：

import math import matplotlib.pyplot as plt scale = range(100) x = [(2 * math.pi * i) / len(scale) for i in scale] y = [math.cos(i) for i in x] plt.plot(x, y) plt.show()

若采用Numpy库，则可以使用以下等效代码：

import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 2 * np.pi, 100) y = np.cos(x) plt.plot(x, y) plt.show()

所绘制图形如下所示：

Tips：虽然Numpy对于可视化而言并非必要，但可以看出使用Numpy库可以更加高效。Numpy可以一次对整个数组执行操作，可以使代码更高效，以绘制[-10,10]区间内的曲线y = x 3 + 5 x − 10 y=x^3+5x-10 y =x 3 +5 x −1 0为例： import numpy as np import matplotlib.pyplot as plt x = np.linspace(-10, 10, 800) y = x ** 3 + 5 * x - 10 plt.plot(x, y) plt.show()

绘制图形如下

绘制多曲线图

很多时候我们需要对比多组数据，以发现数据间的异同，此时就需要在一张图片上绘制多条曲线——多曲线图，下图展示了在同一图片中绘制函数y = x y=x y =x、y = x 2 y=x^2 y =x 2，y = l o g e x y=log_ex y =l o g e x以及y = s i n ( x ) y=sin(x)y =s i n (x )：

import numpy as np import matplotlib.pyplot as plt x = np.linspace(0.1, 2 * np.pi, 100) y_1 = x y_2 = np.square(x) y_3 = np.log(x) y_4 = np.sin(x) plt.plot(x,y_1) plt.plot(x,y_2) plt.plot(x,y_3) plt.plot(x,y_4) plt.show()

上述脚本绘制图形如下：

Tips：一条曲线的绘制需要调用一次plt.plot()，而plt.show()只需调用一次。这种延迟呈现机制是matplotlib的核心，我们可以声明在任何时间绘制图形，但只有在调用plt.show()时才会渲染显示图形。为了更好的说明这种延迟呈现机制，编写以下代码：

import numpy as np import matplotlib.pyplot as plt def plot_func(x, y): x_s = x[1:] - y[:-1] y_s = y[1:] - x[:-1] plt.plot(x[1:], x_s / y_s) x = np.linspace(-5, 5, 200) y = np.exp(-x ** 2) plt.plot(x, y) plot_func(x, y) plt.show()

绘制图形如下：

可以看到，尽管其中一个plt.plot()是在plot_func函数中调用的，它对图形的呈现没有任何影响，因为plt.plot()只是声明了我们要呈现的内容，但还没有执行渲染。因此可以使用此特性结合for循环、条件判断等语法完成复杂图形的绘制，同时也可以在同一张图中组合不同类型的统计图。

读取数据文件绘制曲线图

很多情况下数据都是存储于文件中，因此，需要首先读取文件中的数据，再进行绘制，说明起见，以 .txt文件为例，其他诸如 Excel、CSV文件可以使用 pandas、numpy等库进行读取。假设存在 data.txt文件如下：

0 1 1 2 2 5 4 17 5 26 6 37

读取数据和绘制的代码如下：

import matplotlib.pyplot as plt x, y = [], [] for line in open('data.txt', 'r'): values = [float(s) for s in line.split()] x.append(values[0]) y.append(values[1]) plt.plot(x, y) plt.show()

如果使用Numpy库，其等效代码可以写为：

import matplotlib.pyplot as plt import numpy as np data = np.loadtxt('data.txt') plt.plot(data[:,0], data[:,1]) plt.show()

散点图

当绘制曲线图时，我们假设点与点之间存在序列关系。而散点图是简单地绘制点，它们之间并不存在连接。

import numpy as np import matplotlib.pyplot as plt data = np.random.rand(1000, 2) plt.scatter(data[:,0], data[:,1]) plt.show()

Tips：函数plt.scatter()的调用方式与plt.plot()完全相同，分别将点的x和y坐标作为输入参数。条形图

条形图具有丰富的表现形式，常见的类型包括单组条形图，多组条形图，堆积条形图和对称条形图等。

单组条形图

条形图的每种表现形式都可以绘制成垂直条形图或水平条形图，以单组条形图的两种绘制方式为例。

垂直条形图 import matplotlib.pyplot as plt data = [10., 20., 5., 15.] plt.bar(range(len(data)), data) plt.show()

Tips：plt.plot()函数的作用是：接收两个参数，包括每个条形的x坐标和每个条行的高度。通过可选参数 width，pyplot.bar()提供了一种控制条形图中条状宽度的方法: import matplotlib.pyplot as plt data = [10., 20., 5., 15.] plt.bar(range(len(data)), data, width=0.5) plt.show()

水平条形图

如果更喜欢水平条形外观，就可以使用 plt.barh()函数，在用法方面与 plt.bar()基本相同，但是修改条形宽度(或者在水平条形图中应该称为高度)的参数需要使用 height：

import matplotlib.pyplot as plt data = [10., 20., 5., 15.] plt.barh(range(len(data)), data, height=0.5) plt.show()

多组条形图

当需要比较不同年份相应季度的销量等此类需求时，我们可能需要多组条形图。

import numpy as np import matplotlib.pyplot as plt data = [[10., 20., 30., 20.],[40., 25., 53., 18.],[6., 22., 52., 19.]] x = np.arange(4) plt.bar(x + 0.00, data[0], color = 'b', width = 0.25) plt.bar(x + 0.25, data[1], color = 'g', width = 0.25) plt.bar(x + 0.50, data[2], color = 'r', width = 0.25) plt.show()

堆积条形图

通过使用 plt.bar()函数中的可选参数，可以绘制堆积条形图。

import matplotlib.pyplot as plt y_1 = [3., 25., 45., 22.] y_2 = [6., 25., 50., 25.] x = range(4) plt.bar(x, y_1, color = 'b') plt.bar(x, y_2, color = 'r', bottom = y_1) plt.show()

Tips：plt.bar()函数的可选参数bottom允许指定条形图的起始值。可以结合for循环，利用延迟呈现机制堆叠更多的条形： import numpy as np import matplotlib.pyplot as plt data = np.array([[5., 30., 45., 22.], [5., 25., 50., 20.], [1., 2., 1., 1.]]) x = np.arange(data.shape[1]) for i in range(data.shape[0]): plt.bar(x, data[i], bottom = np.sum(data[:i], axis = 0)) plt.show()

对称条形图

一个简单且有用的技巧是对称绘制两个条形图。例如想要绘制不同年龄段的男性与女性数量的对比：

import numpy as np import matplotlib.pyplot as plt w_pop = np.array([5., 30., 45., 22.]) m_pop = np.array( [5., 25., 50., 20.]) x = np.arange(4) plt.barh(x, w_pop) plt.barh(x, -m_pop) plt.show()

图中女性人口的条形图照常绘制。然而，男性人口的条形图的条形图的条形图向左延伸，而不是向右延伸。可以使用数据的负值来快速实现对称条形图的绘制。

饼图

饼图可以用于对比数量间的相对关系：

import matplotlib.pyplot as plt data = [10, 15, 30, 20] plt.pie(data) plt.show()

Tips：plt.pie()函数将一系列值作为输入，将值传递给matplolib，它就会自动计算各个值在饼图中的相对面积，并进行绘制。直方图

直方图是概率分布的图形表示。事实上，直方图只是一种特殊的条形图。我们可以很容易地使用matplotlib的条形图函数，并进行一些统计运算来生成直方图。但是，直方图非常有用，因此matplotlib提供了一个更加方便的函数：

import numpy as np import matplotlib.pyplot as plt x = np.random.randn(1024) plt.hist(x, bins = 20) plt.show()

Tips：plt.hist()函数的作用是：获取一系列值作为输入。值的范围将被划分为大小相等的范围（默认情况下数量为10），然后生成条形图，一个范围对应一个条柱，一个条柱的高度是相应范围内中的值的数量，条柱的数量由可选参数bins确定。箱形图

箱形图可以通过方便地显示一组值的中位数、四分位数、最大值和最小值来比较值的分布。

import numpy as np import matplotlib.pyplot as plt data = np.random.randn(200) plt.boxplot(data) plt.show()

Tips：plt.boxplot()函数的作用是：获取一组值，并自动计算平均值、中位数和其他统计量。箱形图描述：图中黄线是分布的中位数。方形箱框包括从下四分位数Q1到上四分位数Q3的50%的数据。下盒须的下四分位延伸到1.5(Q3-Q1)。上盒须从上四分位延伸至1.5 (Q3-Q1)。离盒须较远的数值用圆圈标记。

要在单个图形中绘制多个箱形图，对每个箱形图调用一次 plt.boxplot()是不可行。它会将所有箱形图画在一起，形成一个混乱的、不可读的图形。如果想要到达符合要求的效果，只需在一次调用 plt.boxplot()中，同时绘制多个箱形图即可，如下所示：

import numpy as np import matplotlib.pyplot as plt data = np.random.randn(200, 6) plt.boxplot(data) plt.show()

三角网格图

处理空间位置时会出现网格图。除了显示点之间的距离和邻域关系外，三角网格图也是表示地图的一种方便方法。

import numpy as np import matplotlib.pyplot as plt import matplotlib.tri as tri data = np.random.rand(200, 2) triangles = tri.Triangulation(data[:,0], data[:,1]) plt.triplot(triangles) plt.show()

Tips：代码中导入了matplotlib.tri模块，该模块提供了从点计算三角网格的辅助函数。系列链接

Python-Matplotlib可视化（2）——自定义颜色绘制精美统计图Python-Matplotlib可视化（3）——自定义样式绘制精美统计图Python-Matplotlib可视化（4）——添加注释让统计图通俗易懂Python-Matplotlib可视化（5）——添加自定义形状绘制复杂图形Python-Matplotlib可视化（6）——自定义坐标轴让统计图清晰易懂Python-Matplotlib可视化（7）——多方面自定义统计图绘制Python-Matplotlib可视化（8）——图形的输出与保存Python-Matplotlib可视化（9）——精通更多实用图形的绘制Python-Matplotlib可视化（10）——一文详解3D统计图的绘制

Original: https://blog.csdn.net/LOVEmy134611/article/details/117301771Author: 盼小辉丶Title: Python-Matplotlib可视化（1）——一文详解常见统计图的绘制

相关阅读 Title: Numpy报错：ImportError: numpy.core.multiarray failed to import

导入自定义的 python 模块时，出现以下报错：

ImportError: numpy.core.multiarray failed to import from .cv2 import * ImportError: numpy.core.multiarray failed to import

原因：

numpy 版本过低或者过高

解决：

查看numpy 版本： pip show numpy 我当前环境中的 numpy 版本是： Version: 1.16.5 升级： pip install -U numpy (tensorflow) Robin-macbook-pro:~ robin$ pip install -U numpy Collecting numpy Downloading https://files.pythonhosted.org/packages/6a/9d/984f87a8d5b28b1d4afc042d8f436a76d6210fb582214f35a0ea1db3be66/numpy-1.19.5-cp36-cp36m-macosx_10_9_x86_64.whl (15.6MB) |████████████████████████████████| 15.6MB 1.3MB/s ERROR: tensorflow 1.13.1 has requirement protobuf>=3.6.1, but you'll have protobuf 3.6.0 which is incompatible. Installing collected packages: numpy Found existing installation: numpy 1.16.5 Uninstalling numpy-1.16.5: Successfully uninstalled numpy-1.16.5 Successfully installed numpy-1.19.5

结果还是不行，遂给 numpy 降级： pip install -U numpy==1.14.0（之前是 1.16.5）

不仅造成了不少冲突，而且没效果：

(tensorflow) Robin-macbook-pro:~ robin$ pip install -U numpy==1.14.0 Collecting numpy==1.14.0 Downloading https://files.pythonhosted.org/packages/33/c4/1ea5344793c159556110e42c94c9374cb08ce2a2727374cd467bd97f6579/numpy-1.14.0-cp36-cp36m-macosx_10_6_intel.macosx_10_9_intel.macosx_10_9_x86_64.macosx_10_10_intel.macosx_10_10_x86_64.whl (4.7MB) |████████████████████████████████| 4.7MB 230kB/s ERROR: tensorflow 1.13.1 has requirement protobuf>=3.6.1, but you'll have protobuf 3.6.0 which is incompatible. ERROR: pmdarima 1.3.0 has requirement numpy>=1.16, but you'll have numpy 1.14.0 which is incompatible. ERROR: phik 0.9.8 has requirement numpy>=1.15.4, but you'll have numpy 1.14.0 which is incompatible. ERROR: librosa 0.8.0 has requirement numpy>=1.15.0, but you'll have numpy 1.14.0 which is incompatible. ERROR: astropy 4.0 has requirement numpy>=1.16, but you'll have numpy 1.14.0 which is incompatible. Installing collected packages: numpy Found existing installation: numpy 1.19.5 Uninstalling numpy-1.19.5: Successfully uninstalled numpy-1.19.5 Successfully installed numpy-1.14.0

还是不行：

将numpy更到最新版本： pip install -U numpy，同时更新 opencv 的版本试试，这是当前版本：

本身就是最新版本，尝试过没用。

后来发现，问题在于 ① import numpy as numpy 会报错： ImportError: numpy.core.multiarray failed to import ② import cv2 会报错： AttributeError: module 'logging' has no attribute 'Handler'

最后发现，最为离奇诡异的是，在不同的文件夹下面执行相同的代码（ import numpy as np）是没有任何问题的

（1）

/Users/robin/software/anaconda3/envs/tensorflow/bin/python3.6 /Users/robin/MLcode/Pycharm_Project/tensorflow/2021/0823_face_recognition_environment/test.py Process finished with exit code 0

（2）

/Users/robin/software/anaconda3/envs/tensorflow/bin/python3.6 /Users/robin/MLcode/Pycharm_Project/tensorflow/2021/0823_face_recognition_environment/ui/test.py Traceback (most recent call last): File "/Users/robin/MLcode/Pycharm_Project/tensorflow/2021/0823_face_recognition_environment/ui/test.py", line 1, in import numpy as np File "/Users/robin/software/anaconda3/envs/tensorflow/lib/python3.6/site-packages/numpy/__init__.py", line 187, in from .testing import Tester File "/Users/robin/software/anaconda3/envs/tensorflow/lib/python3.6/site-packages/numpy/testing/__init__.py", line 10, in from unittest import TestCase File "/Users/robin/software/anaconda3/envs/tensorflow/lib/python3.6/unittest/__init__.py", line 59, in from .case import (TestCase, FunctionTestCase, SkipTest, skip, skipIf, File "/Users/robin/software/anaconda3/envs/tensorflow/lib/python3.6/unittest/case.py", line 278, in class _CapturingHandler(logging.Handler): AttributeError: module 'logging' has no attribute 'Handler' Process finished with exit code 1

最后我放弃治疗了，新建了一个文件夹，将文件移动过去了，就当做 Pycharm 抽风了吧

浪费一下午时间…！！！！

Original: https://blog.csdn.net/Robin_Pi/article/details/120544691Author: Robin_PiTitle: Numpy报错：ImportError: numpy.core.multiarray failed to import

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/246869/

转载文章受原作者版权保护。转载请注明原作者出处！

【本文地址】

Python

Python

今日新闻

推荐新闻