408/notes_estom
1
0
Fork 0
mirror of https://github.com/Estom/notes.git synced 2026-04-05 11:57:37 +08:00
Code Issues Packages Projects Releases Wiki Activity

matplotlib & pandas

Browse Source
This commit is contained in:
estomm
2020-09-26 22:03:11 +08:00
parent 73cc328c81
commit d31be4f219
599 changed files with 99925 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files

89
Python/matplotlab/gallery/recipes/common_date_problems.md Normal file
View File

@@ -0,0 +1,89 @@
# 修复常见的日期困扰
Matplotlib允许您原生地绘制python日期时间实例，并且在大多数情况下可以很好地选择刻度位置和字符串格式。 有一些事情没有得到如此优雅的处理，这里有一些技巧可以帮助你解决它们。我们将在numpy记录数组中加载一些包含datetime.date对象的样本日期数据：
```python
In [63]: datafile = cbook.get_sample_data('goog.npz')
In [64]: r = np.load(datafile)['price_data'].view(np.recarray)
In [65]: r.dtype
Out[65]: dtype([('date', '<M8[D]'), ('', '|V4'), ('open', '<f8'),
('high', '<f8'), ('low', '<f8'), ('close', '<f8'),
('volume', '<i8'), ('adj_close', '<f8')])
In [66]: r.date
Out[66]:
array(['2004-08-19', '2004-08-20', '2004-08-23', ..., '2008-10-10',
'2008-10-13', '2008-10-14'], dtype='datetime64[D]')
```
字段日期的NumPy记录数组的dtype是datetime64[D]，这意味着它是'day'单位的64位np.datetime64。 虽然这种格式更便于携带，但Matplotlib无法原生地绘制此格式。 我们可以通过将日期更改为[datetime.date](https://docs.python.org/3/library/datetime.html#datetime.date)实例来绘制此数据，这可以通过转换为对象数组来实现：
```python
In [67]: r.date.astype('O')
array([datetime.date(2004, 8, 19), datetime.date(2004, 8, 20),
datetime.date(2004, 8, 23), ..., datetime.date(2008, 10, 10),
datetime.date(2008, 10, 13), datetime.date(2008, 10, 14)],
dtype=object)
```
此转换后的数组的dtype现在是对象，而是填充了datetime.date实例。
如果您绘制数据，
```python
In [67]: plot(r.date.astype('O'), r.close)
Out[67]: [<matplotlib.lines.Line2D object at 0x92a6b6c>]
```
你会看到x刻度标签都被压扁了。
```python
import matplotlib.cbook as cbook
import matplotlib.dates as mdates
import numpy as np
import matplotlib.pyplot as plt
with cbook.get_sample_data('goog.npz') as datafile:
r = np.load(datafile)['price_data'].view(np.recarray)
# Matplotlib prefers datetime instead of np.datetime64.
date = r.date.astype('O')
fig, ax = plt.subplots()
ax.plot(date, r.close)
ax.set_title('Default date handling can cause overlapping labels')
```
![修复常见的日期困扰示例](https://matplotlib.org/_images/sphx_glr_common_date_problems_001.png)
另一个烦恼是，如果您将鼠标悬停在窗口上并在x和y坐标处查看matplotlib工具栏（[交互式导航](https://matplotlib.org/users/navigation_toolbar.html#navigation-toolbar)）的右下角，您会看到x位置的格式与刻度标签的格式相同， 例如，“2004年12月”。
我们想要的是工具栏中的位置具有更高的精确度，例如，为我们提供鼠标悬停的确切日期。 为了解决第一个问题，我们可以使用[matplotlib.figure.Figure.autofmt_xdate()](https://matplotlib.org/api/_as_gen/matplotlib.figure.Figure.html#matplotlib.figure.Figure.autofmt_xdate) 来修复第二个问题，我们可以使用ax.fmt_xdata属性，该属性可以设置为任何带标量并返回字符串的函数。 matplotlib内置了许多日期格式化程序，因此我们将使用其中之一。
```python
fig, ax = plt.subplots()
ax.plot(date, r.close)
# rotate and align the tick labels so they look better
fig.autofmt_xdate()
# use a more precise date string for the x axis locations in the
# toolbar
ax.fmt_xdata = mdates.DateFormatter('%Y-%m-%d')
ax.set_title('fig.autofmt_xdate fixes the labels')
```
![修复常见的日期困扰2](https://matplotlib.org/_images/sphx_glr_common_date_problems_002.png)
现在，当您将鼠标悬停在绘制的数据上时，您将在工具栏中看到日期格式字符串，如2004-12-01。
```python
plt.show()
```
## 下载这个示例
- [下载python源码: common_date_problems.py](https://matplotlib.org/_downloads/common_date_problems.py)
- [下载Jupyter notebook: common_date_problems.ipynb](https://matplotlib.org/_downloads/common_date_problems.ipynb)

46
Python/matplotlab/gallery/recipes/create_subplots.md Normal file
View File

@@ -0,0 +1,46 @@
# 轻松创建子图
在matplotlib的早期版本中，如果你想使用pythonic API并创建一个图形实例，并从中创建一个子图的网格，可能有共享轴，它涉及相当数量的样板代码。例如：
```python
import matplotlib.pyplot as plt
import numpy as np
x = np.random.randn(50)
# old style
fig = plt.figure()
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222, sharex=ax1, sharey=ax1)
ax3 = fig.add_subplot(223, sharex=ax1, sharey=ax1)
ax3 = fig.add_subplot(224, sharex=ax1, sharey=ax1)
```
![轻松创建子图示例](https://matplotlib.org/_images/sphx_glr_create_subplots_001.png)
费尔南多·佩雷斯提供了一个很好的方法来创建子图的一切 ``subplots()``（最后注意“s”），并为整个群体打开x和y共享。您可以单独打开轴...
```python
# new style method 1; unpack the axes
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, sharex=True, sharey=True)
ax1.plot(x)
```
![轻松创建子图示例2](https://matplotlib.org/_images/sphx_glr_create_subplots_002.png)
或者将它们作为支持numpy索引的numrows x numcolumns对象数组返回
```python
# new style method 2; use an axes array
fig, axs = plt.subplots(2, 2, sharex=True, sharey=True)
axs[0, 0].plot(x)
plt.show()
```
![轻松创建子图示例3](https://matplotlib.org/_images/sphx_glr_create_subplots_003.png)
## 下载这个示例
- [下载python源码: create_subplots.py](https://matplotlib.org/_downloads/create_subplots.py)
- [下载Jupyter notebook: create_subplots.ipynb](https://matplotlib.org/_downloads/create_subplots.ipynb)

121
Python/matplotlab/gallery/recipes/fill_between_alpha.md Normal file
View File

@@ -0,0 +1,121 @@
# 在和Alpha之间填充
[fill_between()](https://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.fill_between.html#matplotlib.axes.Axes.fill_between)函数在最小和最大边界之间生成阴影区域，这对于说明范围很有用。 它具有非常方便的用于将填充与逻辑范围组合的参数，例如，仅在某个阈值上填充曲线。
在最基本的层面上，``fill_between`` 可用于增强图形的视觉外观。让我们将两个财务时间图与左边的简单线图和右边的实线进行比较。
```python
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.cbook as cbook
# load up some sample financial data
with cbook.get_sample_data('goog.npz') as datafile:
r = np.load(datafile)['price_data'].view(np.recarray)
# Matplotlib prefers datetime instead of np.datetime64.
date = r.date.astype('O')
# create two subplots with the shared x and y axes
fig, (ax1, ax2) = plt.subplots(1, 2, sharex=True, sharey=True)
pricemin = r.close.min()
ax1.plot(date, r.close, lw=2)
ax2.fill_between(date, pricemin, r.close, facecolor='blue', alpha=0.5)
for ax in ax1, ax2:
ax.grid(True)
ax1.set_ylabel('price')
for label in ax2.get_yticklabels():
label.set_visible(False)
fig.suptitle('Google (GOOG) daily closing price')
fig.autofmt_xdate()
```
![在和Alpha之间填充示例](https://matplotlib.org/_images/sphx_glr_fill_between_alpha_001.png)
此处不需要Alpha通道，但它可以用于软化颜色以获得更具视觉吸引力的图形。在其他示例中，正如我们将在下面看到的，alpha通道在功能上非常有用，因为阴影区域可以重叠，alpha允许您查看两者。请注意，postscript格式不支持alpha（这是postscript限制，而不是matplotlib限制），因此在使用alpha时保存PNG，PDF或SVG中的数字。
我们的下一个例子计算两个随机游走者群体，它们具有不同的正态分布的均值和标准差，从中得出步骤。我们使用共享区域绘制人口平均位置的+/-一个标准偏差。 这里的alpha通道非常有用，而不仅仅是审美。
```python
Nsteps, Nwalkers = 100, 250
t = np.arange(Nsteps)
# an (Nsteps x Nwalkers) array of random walk steps
S1 = 0.002 + 0.01*np.random.randn(Nsteps, Nwalkers)
S2 = 0.004 + 0.02*np.random.randn(Nsteps, Nwalkers)
# an (Nsteps x Nwalkers) array of random walker positions
X1 = S1.cumsum(axis=0)
X2 = S2.cumsum(axis=0)
# Nsteps length arrays empirical means and standard deviations of both
# populations over time
mu1 = X1.mean(axis=1)
sigma1 = X1.std(axis=1)
mu2 = X2.mean(axis=1)
sigma2 = X2.std(axis=1)
# plot it!
fig, ax = plt.subplots(1)
ax.plot(t, mu1, lw=2, label='mean population 1', color='blue')
ax.plot(t, mu2, lw=2, label='mean population 2', color='yellow')
ax.fill_between(t, mu1+sigma1, mu1-sigma1, facecolor='blue', alpha=0.5)
ax.fill_between(t, mu2+sigma2, mu2-sigma2, facecolor='yellow', alpha=0.5)
ax.set_title(r'random walkers empirical $\mu$ and $\pm \sigma$ interval')
ax.legend(loc='upper left')
ax.set_xlabel('num steps')
ax.set_ylabel('position')
ax.grid()
```
![在和Alpha之间填充示例2](https://matplotlib.org/_images/sphx_glr_fill_between_alpha_002.png)
where关键字参数非常便于突出显示图形的某些区域。其中布尔掩码的长度与x，ymin和ymax参数的长度相同，并且仅填充布尔掩码为True的区域。在下面的示例中，我们模拟单个随机游走者并计算人口位置的分析平均值和标准差。总体平均值显示为黑色虚线，并且与平均值的正/负一西格玛偏差显示为黄色填充区域。我们使用where掩码X> upper_bound来找到walker在一个sigma边界之上的区域，并将该区域遮蔽为蓝色。
```python
Nsteps = 500
t = np.arange(Nsteps)
mu = 0.002
sigma = 0.01
# the steps and position
S = mu + sigma*np.random.randn(Nsteps)
X = S.cumsum()
# the 1 sigma upper and lower analytic population bounds
lower_bound = mu*t - sigma*np.sqrt(t)
upper_bound = mu*t + sigma*np.sqrt(t)
fig, ax = plt.subplots(1)
ax.plot(t, X, lw=2, label='walker position', color='blue')
ax.plot(t, mu*t, lw=1, label='population mean', color='black', ls='--')
ax.fill_between(t, lower_bound, upper_bound, facecolor='yellow', alpha=0.5,
label='1 sigma range')
ax.legend(loc='upper left')
# here we use the where argument to only fill the region where the
# walker is above the population 1 sigma boundary
ax.fill_between(t, upper_bound, X, where=X > upper_bound, facecolor='blue',
alpha=0.5)
ax.set_xlabel('num steps')
ax.set_ylabel('position')
ax.grid()
```
![在和Alpha之间填充示例3](https://matplotlib.org/_images/sphx_glr_fill_between_alpha_003.png)
填充区域的另一个方便用途是突出显示轴的水平或垂直跨度 - 因为matplotlib具有一些辅助函数 [axhspan()](https://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.axhspan.html#matplotlib.axes.Axes.axhspan) 和[axvspan()](https://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.axvspan.html#matplotlib.axes.Axes.axvspan) 以及示例[axhspan Demo](https://matplotlib.org/gallery/subplots_axes_and_figures/axhspan_demo.html)。
```python
plt.show()
```
## 下载这个示例
- [下载python源码: fill_between_alpha.py](https://matplotlib.org/_downloads/fill_between_alpha.py)
- [下载Jupyter notebook: fill_between_alpha.ipynb](https://matplotlib.org/_downloads/fill_between_alpha.ipynb)

3
Python/matplotlab/gallery/recipes/index.md Normal file
View File

@@ -0,0 +1,3 @@
# 我们最喜欢的技巧
这是一个简短的教程，示例和代码片段的集合，说明了一些有用的惯例和技巧，以制作更流畅的图形和克服一些matplotlib缺陷。

37
Python/matplotlab/gallery/recipes/placing_text_boxes.md Normal file
View File

@@ -0,0 +1,37 @@
# 放置文本框
使用文本框装饰轴时，有两个有用的技巧是将文本放在轴坐标中（请参阅[转换教程](https://matplotlib.org/tutorials/advanced/transforms_tutorial.html)），因此文本不会随着x或y限制的变化而移动。 您还可以使用文本的bbox属性用[Patch](https://matplotlib.org/api/_as_gen/matplotlib.patches.Patch.html#matplotlib.patches.Patch)实例包围文本 - bbox关键字参数使用带有Patch属性的键的字典。
![放置文本框](https://matplotlib.org/_images/sphx_glr_placing_text_boxes_001.png)
```python
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(19680801)
fig, ax = plt.subplots()
x = 30*np.random.randn(10000)
mu = x.mean()
median = np.median(x)
sigma = x.std()
textstr = '\n'.join((
r'$\mu=%.2f$' % (mu, ),
r'$\mathrm{median}=%.2f$' % (median, ),
r'$\sigma=%.2f$' % (sigma, )))
ax.hist(x, 50)
# these are matplotlib.patch.Patch properties
props = dict(boxstyle='round', facecolor='wheat', alpha=0.5)
# place a text box in upper left in axes coords
ax.text(0.05, 0.95, textstr, transform=ax.transAxes, fontsize=14,
verticalalignment='top', bbox=props)
plt.show()
```
## 下载这个示例
- [下载python源码: placing_text_boxes.py](https://matplotlib.org/_downloads/placing_text_boxes.py)
- [下载Jupyter notebook: placing_text_boxes.ipynb](https://matplotlib.org/_downloads/placing_text_boxes.ipynb)

25
Python/matplotlab/gallery/recipes/share_axis_lims_views.md Normal file
View File

@@ -0,0 +1,25 @@
# 共享轴限制和视图
制作共享轴的两个或更多个图是常见的，例如，两个子图以时间作为公共轴。 当您平移和缩放其中一个时，您希望另一个随身携带。 为此，matplotlib Axes支持sharex和sharey属性。创建[subplot()](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.subplot.html#matplotlib.pyplot.subplot)或[axes()](https://matplotlib.org/api/_as_gen/matplotlib.pyplot.axes.html#matplotlib.pyplot.axes)实例时，可以传入一个关键字，指示要与之共享的轴。
![共享轴限制和视图示例](https://matplotlib.org/_images/sphx_glr_share_axis_lims_views_001.png)
```python
import numpy as np
import matplotlib.pyplot as plt
t = np.arange(0, 10, 0.01)
ax1 = plt.subplot(211)
ax1.plot(t, np.sin(2*np.pi*t))
ax2 = plt.subplot(212, sharex=ax1)
ax2.plot(t, np.sin(4*np.pi*t))
plt.show()
```
## 下载这个示例
- [下载python源码: share_axis_lims_views.py](https://matplotlib.org/_downloads/share_axis_lims_views.py)
- [下载Jupyter notebook: share_axis_lims_views.ipynb](https://matplotlib.org/_downloads/share_axis_lims_views.ipynb)

38
Python/matplotlab/gallery/recipes/transparent_legends.md Normal file
View File

@@ -0,0 +1,38 @@
# 透明、花式的图形
有时您在绘制数据之前就知道数据的样子，并且可能知道例如右上角没有太多数据。然后，您可以安全地创建不覆盖数据的图例：
```python
ax.legend(loc='upper right')
```
其他时候你不知道你的数据在哪里，默认的loc ='best'会尝试放置图例：
```python
ax.legend()
```
但是，您的图例可能会与您的数据重叠，在这些情况下，使图例框架透明是很好的。
![透明、花式的图形示例](https://matplotlib.org/_images/sphx_glr_transparent_legends_001.png)
```python
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(1234)
fig, ax = plt.subplots(1)
ax.plot(np.random.randn(300), 'o-', label='normal distribution')
ax.plot(np.random.rand(300), 's-', label='uniform distribution')
ax.set_ylim(-3, 3)
ax.legend(fancybox=True, framealpha=0.5)
ax.set_title('fancy, transparent legends')
plt.show()
```
## 下载这个示例
- [下载python源码: transparent_legends.py](https://matplotlib.org/_downloads/transparent_legends.py)
- [下载Jupyter notebook: transparent_legends.ipynb](https://matplotlib.org/_downloads/transparent_legends.ipynb)