Python怎么調用Matplotlib繪制振動圖、箱型圖和提琴圖

本篇內容介紹了“Python怎么調用Matplotlib繪制振動圖、箱型圖和提琴圖”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

Matplotlib介紹

Matplotlib 是一款用于數(shù)據可視化的 Python 軟件包，支持跨平臺運行，它能夠根據 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)組結構。

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 應用服務器中使用。

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：

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）。箱型圖結構如下所示：

圖1：箱型如結構圖

 首先準備創(chuàng)建箱型圖所需數(shù)據：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，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，輸出結果如下：

圖2：箱型圖輸出結果

提琴圖

小提琴圖（Violin Plot）是用來展示數(shù)據分布狀態(tài)以及概率密度的圖表。這種圖表結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)據的完整分布情況，這更利于數(shù)據的分析與比對。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()

輸出結果如下：

圖1：小提琴圖繪制

“Python怎么調用Matplotlib繪制振動圖、箱型圖和提琴圖”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！