数据可视化时通过可视化表示来探索数据，它与数据挖掘紧密相关，数据挖掘是指使用代码来探索数据集的规律和关联。

        Matplotlib时一个数学绘图库，可以使用它制作简单的图表，如折线图和散点图。

1、安装matplotlib

        首先，需要安装matplotlib。

1.1 Linux系统中安装matplotlib

        如果使用系统自带的Python版本，可以使用系统的包管理器来安装，只需执行命令：

$ sudo apt-get install python3-matplotlib

        如果安装了较新版本的Python，则要先安装matplotlib依赖的一些库，例如：

$ sudo apt-get install pythoon3.5-dev python3.5-tk tk-dev
$ sudo apt-get install libfreetype6-dev g++

再使用pip安装matplotlib：

$ pip install --user matplotlib

1.2 OS X系统中安装matplotlib

        Apple的标准Python安装自带了matplotlib。要检查是否安装了matplotlib，可以打开一个终端并尝试导入matplotlib。如果没有自带，可以使用pip安装：

$ pip install --user matplotlib

注意：安装包时可能要使用pip3，而不是pip。如果命令不能顺利安装，可能需要删除标志--user。

1.3 Windows系统中安装matplotlib

        在Windows系统中，同样可以使用pip命令安装：

pip install package_name

       在 Anaconda虚拟环境下，还可以使用conda命令来安装：

conda activate env_name

具体教程可以参考博客：深度学习中项目的环境配置与依赖下载

1.4 验证matplotlib

        安装完必要的包之后，对安装进行验证。启用终端，在Python环境下，尝试导入matplotlib：

>>> import matplotlib
>>> 

如果没有出现任何错误信息，就说明安装成功。

1.5 matplotlib画廊

        要查看使用matplotlib可制作的各种图表，可以访问：Matplotlib — Visualization with Python的示例，点击图表即可查看用于生成图表的代码。

2、绘制简单的折线图

 只需调用matplotlib，就能实现数据可视化：

import matplotlib.pyplot as plt

squares = [1,4,9,16,25]
plt.plot(squares)
plt.show()

        先导入matplotlib中的一个模块pyplot并为其指定别名plt，以免反复输入pyplot。大多程序都是这样做的。模块pyplot中包含很多用于生成图表的函数。

        接着创建了一个列表存储数据，再将该列表传递给函数plot()。plt.show()打开matplotlib查看器，并显示绘制的图形。

        如图所示，显示器能缩放和导航图形，以及保存图形。

 2.1 修改标签文字和线条粗细

import matplotlib.pyplot as plt
from matplotlib.pyplot import tick_params
from sympy.printing.pretty.pretty_symbology import line_width

squares = [1,4,9,16,25]
plt.plot(squares,linewidth=5)

#设置图表标题，并为坐标加上标签
plt.title("square numbers",fontsize=24)
plt.xlabel("value",fontsize=14)
plt.ylabel("square of value",fontsize=14)

#设置刻度标记的大小
plt.tick_params(axis='both',labelsize=14)
plt.show()

        代码中，参数linewidth指定了绘制的线条粗细。函数title()指定图表标题。参数fontsize指定了图表中文字的大小。函数xlabel()和ylabel()为每个轴设置轴标题。函数tick_params()设置刻度的格式，参数axis='both'表明实参同时影响x轴和y轴，并将刻度的字号设为14（labelsize=14）。

 2.2 校正图形

        上图中，y轴平方数结果并没有对应x轴的数，这是因为，当只向plot()函数提供一个参数（即[1,4,9,16,25]）时，默认第一个数据点对应x=0的位置。

        为改变这种默认，可以向函数提供两个参数：

import matplotlib.pyplot as plt
from matplotlib.pyplot import tick_params
from sympy.printing.pretty.pretty_symbology import line_width

input_value =[1,2,3,4,5]
squares = [1,4,9,16,25]
plt.plot(input_value,squares,linewidth=5)

#设置图表标题，并为坐标加上标签
plt.title("square numbers",fontsize=24)
plt.xlabel("value",fontsize=14)
plt.ylabel("square of value",fontsize=14)

#设置刻度标记的大小
plt.tick_params(axis='both',labelsize=14)
plt.show()

        同时提供输入和输出数据，现在可以正确绘制图形。

        使用plot()函数可以指定各种实参，还可以使用众多函数对图形进行定制。

2.3 scatter()绘制散点图

        有时候需要绘制散点图并设置各个数据点的样式。例如，使用不同的颜色显示不同的数据。绘制大型数据集时，可以对每个点使用相同的样式，然后使用不同的样式选项重新绘制某些点，以突出显示。

        要绘制单个点，可以使用函数scatter()，并传递一对x和y坐标，将在指定位置绘制一个点：

import matplotlib.pyplot as plt

plt.scatter(2,4)
plt.show()

        接着为其设置样式：添加标题，加上标签，放大文本。

import matplotlib.pyplot as plt

plt.scatter(2,4,s=200)
#设置标题并加上标签
plt.title("square numbers",fontsize=24)
plt.xlabel("value",fontsize=14)
plt.ylabel("square of value",fontsize=14)

#设置刻度的大小
plt.tick_params(axis='both',which='major',labelsize=14)

plt.show()

         调用scatter()，并设置参数s设置点的大小.

 2.4 scatter()绘制一系列点

        要绘制一系列点，可以向scatter()传递两个分别包含x值和y值的列表：

import matplotlib.pyplot as plt

x_value = [1,2,3,4,5]
y_value = [1,4,9,16,25]

plt.scatter(x_value,y_value,s=200)

#设置标题并加上标签
plt.title("square numbers",fontsize=24)
plt.xlabel("value",fontsize=14)
plt.ylabel("square of value",fontsize=14)

#设置刻度的大小
plt.tick_params(axis='both',which='major',labelsize=14)

plt.show()

2.5 自动计算数据

        手动计算列表的值效率低下，尤其是点的数量多时。可以使用Python循环来完成这种重复计算：

import matplotlib.pyplot as plt

x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]

plt.scatter(x_values,y_values,s=40)

#设置标题并加上标签
plt.title("square numbers",fontsize=24)
plt.xlabel("value",fontsize=14)
plt.ylabel("square of value",fontsize=14)

#设置刻度的取值范围
plt.axis([0,1100,0,1100000])
plt.show()

         首先创建一个列表作为x轴的值，接着用列表表达式生成y轴的值，然后将两个列表传递给scatter()。

        由于数据集很大，因此将点设置得较小，并使用函数axis()指定每个坐标轴的取值范围。函数axis()要求提供四个值：x坐标的最小值和最大值，y坐标的最小值和最大值。

2.6 删除数据点的轮廓

        matplotlib允许给每个点指定颜色，默认为蓝色点和黑色轮廓，如果点数过多黑色轮廓可能粘在一起。要删除点的轮廓，可以给scatter()函数传递实参edgecolor='none'：

plt.scatter(x_values,y_values,edgecolor='none',s=40)

 2.7 自定义颜色

        要修改数据点的颜色，可以向scatter()传递参数c，并设置要使用的颜色：

plt.scatter(x_values,y_values,c='red',edgecolor='none',s=40)

        还可以自定义颜色。传递参数c并将其设置为一个元组，元组包含三个0-1之间的小数值，分别代表红，绿，蓝色分量。例如：

plt.scatter(x_values,y_values,c=（0，0，0.8）,edgecolor='none',s=40)

值越接近0，指定的颜色越深；值越接近1，指定的颜色越浅。

2.8 使用颜色映射

        颜色映射（colormap）是一系列颜色，从起始颜色渐变到结束颜色。在可视化中，颜色映射主要用于突出数据的规律，例如使用较浅的颜色来显示较小的值，使用较深的颜色来显示较大的值。

        模块pyplot内置了一组颜色映射。要使用颜色颜色，只需告诉pyplot如何设置数据集中的每个点的颜色。

import matplotlib.pyplot as plt

x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]

plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,edgecolors='none',s=40)

#设置标题并加上标签
plt.title("square numbers",fontsize=24)
plt.xlabel("value",fontsize=14)
plt.ylabel("square of value",fontsize=14)

#设置刻度的取值范围
plt.axis([0,1100,0,1100000])
plt.show()

        将参数c设置为y值列表，并使用参数cmp告诉pyplot使用哪个颜色映射。结果是将较小的y值显示为浅蓝色，将较大的y值显示为深蓝色。

---

        要了解pyplot中的所有的颜色映射，可以访问Matplotlib — Visualization with Python，单击Examples，向下找到Color Examples，点击colormaps_reference。

---

2.9 自动保存图表

        要让程序自动将图表保存到文件中，可以将plt.show()替换为plt.savefig()：

plt.savefig('squares_plot.png',bbox_inches='tight')

        第一个参数指定文件名，这个png文件将保存到程序所在文件目录中；第二个参数指定将图表多余的空白区域裁剪掉。如果要保留多余的空白区域，可以省略这个参数。

删除多余空白：

不删除空白：

3、随机漫步

        随机漫步是指一种路径：每次行走都是完全随机的，没有明确的方向，结果是由一系列随机决策决定的。

3.1 创建RandomWalk()类

        为模拟随机漫步，创建一个名为RandomWalk的类，随机选择前进方向。这个类有三个属性，其中一个是存储随机漫步次数的变量，另外两个是列表，分别存储随机漫步经过的每个点的x坐标和y坐标。

        该类有两个方法：__init__()和fill_walk()，后者计算随机漫步经过的所有点。

__init__()方法：

from random import choice

class RandomWalk():
    """一个随机漫步类"""
    
    def __init__(self,num_points=5000):
        self.num_points = num_points
        #起始于（0，0）
        self.x = [0]
        self.y = [0]

         将所有可能存储在一个列表中，使用choice()来决策每次选择。

3.2 选择方向

        使用fill_walk()生成漫步包含的所有点，并决定每次选择的方向。

random_walk.py

from random import choice

class RandomWalk():
    """一个随机漫步类"""

    def __init__(self,num_points=5000):
        self.num_points = num_points
        #起始于（0，0）
        self.x = [0]
        self.y = [0]
        
    def fill_walk(self):
        """计算随机漫步所有的点"""
        
        #漫步直到指定长度
        while len(self.x) < self.num_points:
            #决定每次前进方向和前进距离
            x_direction = choice([1,-1])
            x_distance = choice([0,1,2,3,4])
            x_step = x_direction * x_distance

            y_direction = choice([1, -1])
            y_distance = choice([0, 1, 2, 3, 4])
            y_step = y_direction * y_distance
            
            if x_step == 0 and y_step == 0:
                continue
            
            #更新新的坐标
            next_x = self.x[-1] + x_step
            next_y = self.y[-1] + y_step
            
            self.x.append(next_x)
            self.y.append(next_y)

        使用循环进行每次的漫步直到指定数量的点。

3.3 绘制随机漫步图

        将漫步中所有的点画出来：

import matplotlib.pyplot as plt

from random_walk import RandomWalk

#创建一个RandomWalk实例
rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x,rw.y,s=15)
plt.show()

        创建实例，并将其存储在rw中，调用fill_walk()。将随机变量的坐标x和y传递给scatter()。

一个可能的结果如下：

 3.4 模拟多次随机漫步

        每次随机漫步得到的结果都不同，要多次随机漫步，可以多次运行程序，还可以使用循环：

import matplotlib.pyplot as plt

from random_walk import RandomWalk

while True:
    #创建一个RandomWalk实例
    rw = RandomWalk()
    rw.fill_walk()
    plt.scatter(rw.x,rw.y,s=15)
    plt.show()
    
    cmd = input("Go on?(y/n): ")
    if cmd == 'n':
        break
    

3.5 设置随机漫步图的样式

        为了突出显示某些特征，弱化某些元素，可以设置图表样式。要突出的元素如漫步的起点、终点和经过的路径。

3.5.1 给点着色

        使用颜色映射表示每个点的顺序，并删除黑色轮廓。彻底参数c，将其设置为包含各点先后顺序的列表。

import matplotlib.pyplot as plt

from random_walk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk()
    rw.fill_walk()


    points_num = list(range(rw.num_points))
    plt.scatter(rw.x, rw.y, c=points_num,cmap=plt.cm.Blues,edgecolor='none',s=15)
    plt.show()


    cmd = input("Go on?(y/n): ")
    if cmd == 'n':
        break

3.5.2 重新绘制起点和终点

        可以在图表中让起点和终点变得更大以突出显示：

import matplotlib.pyplot as plt

from random_walk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk()
    rw.fill_walk()


    points_num = list(range(rw.num_points))
    plt.scatter(rw.x, rw.y, c=points_num,cmap=plt.cm.Blues,edgecolor='none',s=15)

    plt.scatter(0,0,c='green',edgecolors='none',s=100)
    plt.scatter(rw.x[-1],rw.y[-1],c='red',edgecolors='none',s=100)
    plt.show()


    cmd = input("Go on?(y/n): ")
    if cmd == 'n':
        break

3.5.3 隐藏坐标轴

import matplotlib.pyplot as plt

from random_walk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk()
    rw.fill_walk()


    points_num = list(range(rw.num_points))
    plt.scatter(rw.x, rw.y, c=points_num,cmap=plt.cm.Blues,edgecolor='none',s=15)

    plt.scatter(0,0,c='green',edgecolors='none',s=100)
    plt.scatter(rw.x[-1],rw.y[-1],c='red',edgecolors='none',s=100)

    #隐藏坐标轴
    ax = plt.gca()  # 获取当前坐标轴
    ax.get_xaxis().set_visible(False)
    ax.get_yaxis().set_visible(False)

    plt.show()


    cmd = input("Go on?(y/n): ")
    if cmd == 'n':
        break

 3.5.4 增加点数

import matplotlib.pyplot as plt

from random_walk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk(50000)
    rw.fill_walk()


    points_num = list(range(rw.num_points))
    plt.scatter(rw.x, rw.y, c=points_num,cmap=plt.cm.Blues,edgecolor='none',s=1)

    plt.scatter(0,0,c='green',edgecolors='none',s=100)
    plt.scatter(rw.x[-1],rw.y[-1],c='red',edgecolors='none',s=100)

    #隐藏坐标轴
    ax = plt.gca()  # 获取当前坐标轴
    ax.get_xaxis().set_visible(False)
    ax.get_yaxis().set_visible(False)

    plt.show()


    cmd = input("Go on?(y/n): ")
    if cmd == 'n':
        break

3.5.5 调整尺寸以适合屏幕

           函数figure()用于指定图表的宽度、高度、分辨率和背景色。需要传递给figsize一个元组，指明图表的尺寸，单位为英寸：

import matplotlib.pyplot as plt

from random_walk import RandomWalk

while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk(50000)
    rw.fill_walk()

    #设置绘图窗口尺寸大小
    plt.figure(figsize=(10,6))
    
    points_num = list(range(rw.num_points))
    plt.scatter(rw.x, rw.y, c=points_num,cmap=plt.cm.Blues,edgecolor='none',s=1)

    plt.scatter(0,0,c='green',edgecolors='none',s=100)
    plt.scatter(rw.x[-1],rw.y[-1],c='red',edgecolors='none',s=100)

    #隐藏坐标轴
    ax = plt.gca()  # 获取当前坐标轴
    ax.get_xaxis().set_visible(False)
    ax.get_yaxis().set_visible(False)

    plt.show()

    cmd = input("Go on?(y/n): ")
    if cmd == 'n':
        break

         默认屏幕分辨率是80像素/英寸，如果知道自己的分辨率，可以使用指定形参dpi向figure()传递该分辨率，以有效利用可用的屏幕空间：

plt.figure(dpi=128, figsize=(10,6))