Python数据可视化 课件 06章Matplotlib库其他绘图函数

Python数据可视化第6章Matplotlib库其他绘图函数教师：xxx2024.07第1节

绘制动态图第6章Matplotlib库其他绘图函数第2节

绘制世界地图第3节

文本数据可视化Matplotlib不仅可绘制静态图形，还可绘制动态图形(动画)，可保存为.gif动画文件。虽然这个动图功能比较有限，但给用户提供了一种全新的数据展示手段，提升了视觉表现力。第1节

绘制动态图一、

动图函数FuncAnimation动图绘制需使用matplotlib中的animation.FuncAnimation函数。绘制的大致过程为：先编写init初始化及update更新两个子函数，将这两个子函数作为参数传入FuncAnimation函数，此后系统将自动周期性调用update函数更新图像。创建动图的语法格式为：ani=FuncAnimation(fig,func,frames=None,init_func=None,repeat,interval)fig：承载动画的画布func：动画的更新函数(update)，用于产生动画的帧frames：一轮动画所需的数据，动画过程中每一帧的数据会传递给更新函数update(n)的形参“n”init_func：初始化函数，每次新一轮动画开始时执行一次，非必须参数repeat：动画是否一直循环，默认值Trueinterval：每帧更新时间间隔，默认值200毫秒一、

动图函数FuncAnimation#设为notebook输出模式，以便在jupyter中观察动画效果%matplotlibnotebookfrommatplotlib.animationimportFuncAnimation #引入动图函数,绘制一条会“动”的余弦曲线x=np.arange(0,2*np.pi,0.01) lines_lst=plt.plot(x,np.cos(x)) #执行后返回Line2D列表line=lines_lst[0] #取出第0根线，这是update函数需要改变的全局对象definit(): #初始化函数，每次新一轮动画开始时执行一次，不是必须的line.set_ydata(np.cos(x))

defupdate(n): #最重要的更新动画函数，每帧自动重复调用#print('帧号:',n)line.set_ydata(np.cos(x+n/10)) #每次传入的n值不同，更新Y轴数据，图像自动更新

ani=FuncAnimation(fig=plt.gcf(), #创建动画对象,gcf()获取当前画布，作为动画的载体func=update, #设置更新函数frames=100, #如为单个整数，则数据序列为range(0,100)init_func=init, #设置初始化函数interval=20,repeat=True) #每帧间隔20毫秒，默认值True,动画一直循环ani.save('img/cos_ani.gif',fps=10) #保存为gif动画文件，每秒10帧一、

动图函数FuncAnimation上例中动图绘制的核心是update(n)函数，用于更新动画的每一帧。每帧更新时，该函数被自动调用，传入数据n，根据n重新计算y坐标值，line.set_ydata()就会更新图形。update函数被自动周期性调用就产生了动画效果。FuncAnimation中的参数frames设定一轮动画的数据序列，本例设置为整数100，则表示数据序列为range(0,100)，一轮动画有100帧，此时update(n)更新时传入的n相当于当前帧号。frames也可设定为一个序列，每帧更新时就依次收到序列中的一个数据。机器学习的线性二分类问题中我们需要找一条直线将两类数据分开。在寻找最优直线的过程中需不断更新其斜率和截距，以下的动画模拟演示了更新斜率的过程。#如在spyder中调试，可设为qt弹出窗口模式，观察动画效果%matplotlibqtfrommatplotlib.animationimportFuncAnimationfig,ax=plt.subplots()

#新建画布defupdate(k):

#更新函数，此处k是直线斜率ax.clear()

#清空子图，后续代码重绘各图形对象ax.set_xlim(0,10)ax.set_ylim(0,20)ax.scatter([2,2],[10,15],s=60,marker='D',c='r')

#绘制两类散点ax.scatter([4,8],[7,7.2],s=60,marker='x',c='b')x=np.array([0,10])y=k*x+1

#斜率变动，重算yax.plot(x,

y)

#重新绘制直线ax.text(2,

2,

f'y={k:.2f}*x+1',fontsize=20) #标注公式#本例设定直线斜率在[0,2.4]间变动ani=FuncAnimation(fig,update,frames=np.linspace(0,2.4,20),interval=300,repeat=False)二、直线图动画直线图动画的另一种实现代码如下，两种方法效果相同。frommatplotlib.animationimportFuncAnimationfig,ax=plt.subplots()

#定义画布ax.set_xlim(0,10)ax.set_ylim(0,20)ax.scatter([2,2],[10,15],s=60,marker='D',c='r')

#绘制散点ax.scatter([4,8],[7,7.2],s=60,marker='x',c='b')x=np.array([0,10])k=0y=k*x+1line,=ax.plot(x,y) #返回直线列表(注意line后有一个逗号，用于拆分列表，得到直线)txtobj=ax.text(2,2,f'y={k:.2f}*x+1',fontsize=20) #txtobj对应公式文本defupdate(k):

#更新函数，k是斜率y=k*x+1

#斜率变动，重算yline.set_ydata(y)

#更新直线txtobj.set_text(f'y={k:.2f}*x+1') #更新公式文本ani=FuncAnimation(fig,update,frames=np.linspace(0,2.4,20),interval=300,repeat=False) 二、直线图动画假定某公司在4个城市都有销售，要动态对比各个城市每个月的销售金额，用动态条形图实现如下：np.random.seed(7)city=['武汉','广东','深圳','北京']month=[str(x)+'月'forxinrange(1,13)] #1月至12月data=np.random.randint(100,200,size=(12,4)) #销售数据fig,ax=plt.subplots(figsize=(8,5))defupdate(k): #更新函数

ax.clear() #清空子图

ax.barh(city,data[k],height=0.5,color=['r','g','b','y'],alpha=0.5) #重绘条形图

ax.set_title(month[k],fontsize=20)ani=FuncAnimation(fig,update,interval=500,frames=len(month)) #动画对象三、条形图动画Cartopy库是Python平台下的一款地图工具包，在气象学领域应用广泛。本节介绍该包的使用，教材最后一章会使用这个库绘制全球疫情地图。第2节

绘制世界地图一、地图绘制包CartopyCartopy是一个地图绘制包，提供了多种地图投影和地理信息处理方法。该包提供易于使用的访问接口，可与matplotlib库配合创建满足出版质量的地图。Anaconda平台可在命令行上执行下面的命令安装所需的包。pipinstallcartopy

Cartopy和matplotlib配合使用，两者版本需匹配。Cartopy0.23(2024.7月的最新版本)和matplotlib3.7匹配，Cartopy0.22和matplotlib3.5匹配。Cartopy绘制地图的方式很简单，先按某种投影模式创建子图（即地图），然后使用stock_img方法将背景图片添加到地图中，再根据经纬度添加标注数据。下面展示了两种地图投影模式：importcartopy.crsasccrs #导入cartopy中的ccrs(含多种地图投影模式)ax1=plt.subplot(121,projection=ccrs.Mollweide()) #ccrs.Mollweide圆形地图ax1.stock_img() #设置默认的地图背景ax1.set_title('Mollweide圆形地图',fontsize=16)ax2=plt.subplot(122,projection=ccrs.PlateCarree()) #ccrs.PlateCarree矩形平面地图ax2.stock_img()ax2.set_title('PlateCarree矩形地图',fontsize=16) 一、地图绘制包Cartopy下面根据给定的经纬度在两个城市间连线：importcartopy.crsasccrs ax=plt.axes(projection=ccrs.PlateCarree()) #创建具有地理投影的子图，此子图上的点需用经纬度表示ax.stock_img()city=['纽约','上海']lon=[-74.0,121.48] #经度(东经正值，西经负值)lat=[40.7,31.22] #纬度(北纬正值，南纬负值)ax.plot(lon,lat,lw=2,marker='o',mfc='r') #ax采用地理投影，经纬度会自动定位到地图上forkinrange(len(city)):ax.text(lon[k],lat[k]-5,city[k],ha='center',va='top',c='b',fontsize=20)#标注城市名,ha水平居中 一、地图绘制包Cartopy代码“ax=plt.axes(projection=ccrs.PlateCarree())”按平面矩形投影模式创建子图ax，后续绘图时x坐标对应经度，y坐标对应纬度，经纬度会被自动投影到地图上正确的位置。此外还可以给地图添加地貌线和经纬网格线，如下所示：importcartopy.featureascfeatureimportcartopy.crsasccrsfig=plt.figure(figsize=(8,6),dpi=100)ax=fig.add_subplot(projection=ccrs.PlateCarree())ax.stock_img()#设置网格线的范围并要求标注gl=ax.gridlines(ylocs=np.arange(-90,90+30,30),

xlocs=np.arange(-180,180+60,60),draw_labels=True,linestyle='--')gl.top_labels=False #网格线的上标签不显示gl.right_labels=False #网格线的右标签不显示ax.add_feature(cfeature.COASTLINE) #海岸轮廓线ax.add_feature(cfeature.RIVERS) #河流轮廓线ax.add_feature(cfeature.LAKES) #湖泊轮廓线 一、地图绘制包Cartopy本例演示使用cartopy的API接口给国家着色，利用颜色可直观区分各国的诸如人口、经济等数据。首先借助cartopy.io.shapereader内的natural_earth和Reader接口完成各个国家地理信息的获取。natural_earth用于获取世界地理信息的文件路径，Reader读取文件得到国家的经纬度和轮廓线等地理信息。然后用add_geometries在地图上描绘国家边界线并同时根据统计数据填充颜色，最后再添加一个颜色标尺显示颜色和和值的对应关系。代码实现如下：二、世界地图着色importmatplotlibasmplimportcartopy.crsasccrsfromcartopy.ioimportshapereader #引入相关地理文件接口np.random.seed(7)#1.设置国家地理文件的路径信息filename=shapereader.natural_earth(resolution='110m',category='cultural',name='admin_0_countries')#创建地理文件阅读器对象reader=shapereader.Reader(filename)二、世界地图着色#2.用随机数模拟每个国家的数据（数据个数和reader中包含的国家和地区数一样）data=np.random.randint(50,1000,len(list(reader.records())))#数据中的最大值，用于颜色转换max_value=data.max()#3.创建世界地图fig=plt.figure(figsize=(8,6),dpi=100)ax=fig.add_subplot(projection=ccrs.PlateCarree())#4.遍历国家，country中含有国家的地理数据fori,countryinenumerate(reader.records()):rgba=mpl.cm.rainbow(data[i]/max_value) #将数据利用rainbow()工具转为rgba元组颜色#子图上添加国家,参数(国家地理信息，投影类型，填充颜色，边界线颜色)ax.add_geometries([country.geometry],ccrs.PlateCarree(),facecolor=rgba,edgecolor='k')生成一些随机数据，作为每个国家的模拟统计数据。数据个数要和文件内的国家和地区数一致；创建地理投影子图，仍使用平面矩形投影模式；遍历reader中的国家，将统计数据用rainbow()工具转换为一个rgba颜色元组。二、世界地图着色#5.在子图右侧添加新绘图区（颜色标尺）cax=fig.add_axes([0.92,0.25,0.02,0.5])#创建颜色的归一化转换器norm=mpl.colors.Normalize(vmin=50,vmax=max_value)#创建颜色标尺并添加到cax子图mpl.colorbar.ColorbarBase(cax,cmap=mpl.cm.rainbow,norm=norm)在子图右侧添加颜色标尺。此处不能使用以前的plt.colorbar()方法添加，因为add_geometries绘图命令并没有使用cmap参数，系统无从参照去绘制颜色条。此处的颜色标尺需人工设定，先用归一化转化器Normalize将统计数据归一化到0～1之间，再使用ColorbarBase创建一个颜色条并添加到cax子图中。文本可视化可以分为文本内容可视化、文本关系可视化和文本多特征信息可视化三个方面。其中，文本的内容可以通过关键词、短语、句子和主题进行展示。本节介绍文本内容可视化中关键词的词云绘制方法。第3节

文本数据可视化importre #引入正则模块regdp='2020年我国的GDP总量是100万亿元're.findall('\d+',gdp)

#从文本中提取所有的数字,\d+代表所有数字Out:['2020','100'] #返回提取得到的信息列表re.findall('\D+',gdp)

#从文本中提取所有的非数字,\D+代表非数字Out:['年我国的GDP总量是','万亿元']一、正则表达式文本处理需要从文本中提取信息，正则表达式是最好的提取工具。正则表达式使用特定的规则去匹配或检索字符串。例如“\d+”匹配一连串数字，“[a-z]+”匹配一连串小写字母。在支持正则表达式的编程语言中，正则表达式的语法规则是一样的，区别只在于支持的语法数量有略微差异。元字符用于匹配某类字符，表达某种规则，常用的元字符如下：. :句点符匹配除了换行符\n外的任意单个字符\w :匹配字符(英文或中文)和数字，即[a~zA~Z中文0-9]\W :匹配任何非单词字符，与\w相反\d :匹配数字[0-9]\D :匹配非数字的字符，与\d相反\s :匹配单个空白字符，如空格、换行符\n,回车符\r,制表符\t等\S :匹配任何非空白字符，与\s相反^ :匹配字符串的开始$ :匹配字符串末尾\ :取消转义，将元字符视为普通字符* :前词可重复0次到无限次? :前词可重复0次或1次+ :前词可重复1次到无限次() :()内包含要提取的内容表达一、正则表达式正则表达式的功能异常强大，写法非常灵活。有时表达形式很复杂，要多次尝试才能找到正确的规则。re模块中常用的正则函数如下：importrere.findall(pattern,string,flags) #查找返回所有匹配的字符串列表re.match(pattern,string,flags)

#必须从头部开始匹配，返回匹配对象或None值re.search(pattern,string,flags) #可从任意位置开始匹配,返回匹配对象或None值re.split(pattern,string,flags) #分割字符串re.sub(pattern,repl,string,count=0,flags=0) #替换子字符串参数中“pattern”代表正则表达式，“string”表示要匹配的字符串，“flags”是标志位，控制匹配方式，例如是否区分大小写、多行匹配等。一、正则表达式下面是一些正则表达式的示例：s

=

'Pythonisaprogramminglanguage're.findall('p',s)

#查找字母pOut:['p']

#默认区分大小写，所以只找到一个小写pre.findall('p',s,flags=re.I)

#re.I表示忽略大小写Out:['P','p']

#大写、小写p均找到re.findall('\w+',

s)

#提取所有单词Out:['Python','is','a','programming','language']re.findall('\w{6,8}',

s)

#提取6-8个字符长度的单词,{6,8}长度限定Out:['Python','programm','language']re.findall('\w{7,}',

s)

#提取长度>=7的单词,注意{7,}逗号后没有空格Out:['programming','language']一、正则表达式s='网址，联系邮箱abc@126.com。're.findall('http://[a-z0-9\.]+\.[a-z0-9]+',s,flags=re.I) #提取网址Out:['']一、正则表达式正则表达式“http://[a-z0-9\.]+\.[a-z0-9]+”表示匹配“http://英文数字.英文数字”这样的字符串。“[a-z0-9\.]+”中的“[a-z0-9]”代表所有的英文字母和数字，“\.”代表句点(句点本是元字符，前面加斜杠\停止转义，只代表句点本身),“+”号代表任意多个。为便于理解，这个表达式写得比较简单，并不完善，无法匹配所有的网址。re.findall('a(\d+)b','xa23bcc45xx') #a(\d+)b表示只提取ab中间的数字Out:['23'] #只提取23，数字45没有取出上例的“()”很有用，前后的a和b是匹配规则，当匹配时，就取出()中匹配的内容。一、正则表达式re.search函数用于查找字符串中可匹配的子串，找到第一个匹配项即返回，如果没有匹配项就返回None。re.match函数必须从字符串首位置开始匹配。search()和match()都仅匹配一次，findall()则匹配所有符合规则的子串。s='Pythonisaprogramminglanguage'r=re.search('is',s)r #r的类型是re.MatchOut:<re.Matchobject;span=(7,9),match='is'>r.start(),r.end(),r.group() #匹配的起始、结束位置、匹配的字符串Out:(7,9,'is')re.match('is',s)

#将返回空None,因为'is'不在s的首部re.match('Python',s)

#匹配成功Out:<re.Matchobject;span=(0,6),match='Python'>一、正则表达式re.split()提供了灵活的分割形式，帮助我们分离字符串。s

=

'Python;is,a,\\language' #内含多种形式的分隔符;,\\s.split()

#字符串自身的split()无法完全正确分割Out:['Python;','is,','a',',','\\','language']re.split(r'\W+',s)

#利用正则表达式分割,\W非单词字符Out:['Python','is','a','language'] #将单词完美切分出来上述代码说明字符串自身的split()分解的结果不够理想，单词末尾还有标点符号，利用re.split()可以得到更完美的单词分解列表。二、

分词分词是将句子分解为单个词汇，以便计算机做后续的处理。英文中词与词是用空格分隔的，英文分词只需借助字符串分解函数split()即可。考虑到标点符号的存在，如要得到一个相对干净的词语列表，可使用re.split()函数做分解，或先用re.sub()函数将所有标点符号替换为空格，再使用split()做分词。txt='Python;Ilovepython.'txt=txt.lower() #全部转为小写txt=re.sub('\W+','',txt) #将非单词字符(\W)都用空格替换，相当于去除标点符号print(txt)lst=txt.split() #默认以空格为分隔符分解字符串print(lst)Out:pythonilovepython['python','i','love','python']二、

分词python平台下我们常使用第三方库jieba做中文分词，在命令行上执行如下命令安装jieba库。pipinstalljiebaimportjiebas='欢迎报考广东金融学院的相关专业!'print('原句子:',s)lst=jieba.lcut(s)print(lst) #更新词库之前的分词结果print('**************更新词库后**************')jieba.add_word('广东金融学院') #临时添加新词"广东金融学院"print(jieba.lcut(s)) #更新词库之后的分词结果Out:原句子:欢迎报考广东金融学院的相关专业!['欢迎','报考','广东','金融','学院','的','相关','专业','!']**************更新词库后**************['欢迎','报考','广东金融学院','的','相关','专业','!']二、

分词jieba库的更多信息可访问链接/fxsjy/jieba。jieba.load_userdict("data/mydict.txt") #加载自定义词典s='淘金坑小区有一个工信出版集团的办事处'print(jieba.lcut(s)) #有了自定义词典，专有名词可正确分词 如果用户有很多专有名词，可通过添加自定义词典的方式解决。用记事本创建一个文本文件mydict.txt，每一行输入一个自定义词，如右图所示，将文件保存在应用程序所在的目录中，保存时编码一定要选为UTF-8格式。Out:['淘金坑','小区','有','一个','工信出版集团','的','办事处']三、绘制词云图fromwordcloudimportWordCloud #导入词云库s='''Withtheimprovingofsemiconductort