数据观世界

Python有许多用于机器学习和统计分析的软件包，如TensorFlow、NumPy、scikit-learn、Pandas等，同时，matplotlib也是大多数数据科学项目必不可少的一个软件包。

它适用于所有Python发行版，可以通过pip安装在Python 3上。其他方法也可用，可以访问matplotlib官网了解更多详情。

如果您使用带有终端的操作系统，则以下命令将使用pip安装matplotlib：

$ python3 -m pip install matplotlib

在Python文件中，我们首先需要导入pyplot函数，该函数允许我们与类似MATLAB的绘图环境进行交互。我们还需要导入了一个lines函数，可以让我们在图中添加线：

import matplotlib.pyplot as plt

import matplotlib.lines as mlines

从本质上讲，这个绘图环境允许我们将数字及其属性保存为变量。然后可以使用简单的命令打印和查看这些图。例如，我们可以查看Google的股票价格：特别是最近250天的日期，开盘价，收盘价，成交量和调整后收盘价（日期存储为np.datetime64，注意观察npz数据文件的加载方式）：

import numpy as np

import matplotlib.pyplot as plt

import matplotlib.cbook as cbook

with cbook.get_sample_data(‘goog.npz’) as datafile:

price_data = np.load(datafile)[‘price_data’].view(np.recarray)

price_data = price_data[-250:] # get the most recent 250 trading days

然后我们可以通过时间序列的方式，观察变量的变化趋势，例如：

# Marker size in units of points^2

volume = (15 * price_data.volume[:-2] / price_data.volume[0])**2

close = 0.003 * price_data.close[:-2] / 0.003 * price_data.open[:-2]

要实际绘制此数据，可以使用plt（matplotlib.pyplot）中的subplots（）函数。 默认情况下，这会生成图形及其坐标轴。

1. 散点图的绘制

在这里，我们将绘制连续几天之间差异的散点图。详细说明，x是第i天和前一天之间的差异。y是第i + 1天和前一天（i）之间的差异：

如图所示，我们为x和y轴创建了标签，为图像添加了标题。我们选择使用了网格和紧凑布局绘制此数据。其中，plt.show（）函数的功能就是展示图像。

我们可以通过将x和y坐标作为列表提供给Line2D实例来为此图添加一条线：

2. 直方图的绘制

要绘制直方图，我们遵循和上文类似的过程并使用pyplot中的hist（）函数。我们将生成10000个随机数据点x，平均值为100，标准差为15。

我们还将使用库mlab添加一条代表正态分布函数的线，具有相同的均值和标准差：

3. 条形图的绘制

上面的直方图可以帮助我们观察数据分布状况，而条形图可以帮助我们查看数据频次高低。要使用matplotlib绘制条形图，我们使用bar（）函数。

作为一个例子，我们可以看一下使用不同语言的程序员样本的数量的：

4. 绘制图像

图像分析在Python中很常见。我们可以使用matplotlib来查看图像，cv2库来读取图像。

read_image（）函数的功能如下：

读取图像文件

分割颜色通道

将它们更改为RGB

调整图像大小

返回RGB值矩阵

下面的代码从用于CNN图像识别的数据中读取猫和狗的前五个图像。图片连接并打印在同一轴上：

总结

在这篇文章中，我们简要介绍了如何使用matplotlib绘制散点图、直方图和条形图，我们还在这些图中添加了线条。最后，我们看到了如何使用cv2库读取图片并使用matplotlib绘制图片。