手把手教你用Matplotlib進行數(shù)據(jù)可視化
01 導入Matplotlib
如果你安裝了完整的Python Anaconda，那么你已經(jīng)安裝了Matplotlib，可以開始了。否則，你可能要訪問官網(wǎng)獲取安裝說明。
就像我們用縮寫np來表示NumPy一樣，我們也會用一些標準的縮寫來表示Matplotlib導入：
- import matplotlib as mpl
- import matplotlib.pyplot as plt
plt是我們最常用的一個接口。
02 生成一個簡單的圖形
言歸正傳，讓我們創(chuàng)建第一個圖形。
假設我們要繪制正弦函數(shù)sin(x)的一個簡單線圖。我們希望函數(shù)求x軸（0≤x≤10）上的所有值。我們將使用NumPy的linspace函數(shù)在x軸上創(chuàng)建一個線性空間，x值從0到10，共100個樣本點：
- import numpy as np
- x = np.linspace(0, 10, 100)
我們可以使用NumPy的sin函數(shù)求sin函數(shù)的所有x值，并通過調(diào)用plt的plot函數(shù)可視化結(jié)果：
- plt.plot(x, np.sin(x))
你親自試過了嗎？發(fā)生什么了？有什么發(fā)現(xiàn)嗎？
問題是，這取決于你在何處運行這個腳本，你可能什么都看不到。以下是可以考慮的可能性：
1. 從.py腳本繪圖
如果你正從一個腳本運行matplotlib，那么你只需要調(diào)用plt，如下所示：
- plt.show()
調(diào)用后，圖形就會顯示出來！
2. 從IPython shell繪圖
這實際上是以交互方式運行matplotlib的最便捷的方式之一。要顯示繪圖，你需要在啟動IPython之后，調(diào)用%matplotlib魔術命令：
- %matplotlib
- Using matplotlib backend: Qt5Agg
- import matplotlib.pyplot as plt
然后，所有圖都會自動顯示出來，不必每次都調(diào)用plt.show()。
3. 從Jupyter Notebook繪圖
如果你從基于瀏覽器的Jupyter Notebook上查看這段代碼，你需要使用同樣的%matplotlib魔術命令?？墒?，你還可以選擇將圖形直接嵌入notebook中，這有兩種可能的結(jié)果：
- %matplotlib notebook將生成的交互式圖嵌入notebook中。
- %matplotlib inline將生成的靜態(tài)圖嵌入notebook中。
我們通常會選擇內(nèi)聯(lián)選項：
- %matplotlib inline
現(xiàn)在，讓我們再試一次：
- plt.plot(x, np.sin(x))
上述命令給出的輸出如圖2-4所示。
▲圖2-4 應用內(nèi)聯(lián)選項生成的圖
稍后，如果你想保存圖表，可以直接從IPython或Jupyter Notebook的選項中保存：
- plt.savefig('figures/02.03-sine.png')
只要保證使用所支持的文件后綴即可，例如.jpg、.png、.tif、.svg、.eps或者.pdf。
在導入matplotlib之后，運行plt.style.use(style_name)，你可以更改繪圖的樣式。在plt.style.available中列出了所有可用的樣式。例如，試試plt.style.use('fivethirtyeight')、plt.style.use('ggplot')或者plt.style.use('seaborn-dark')。為了增加樂趣，可以運行plt.xkcd()，再嘗試繪制其他內(nèi)容。
03 可視化外部數(shù)據(jù)集的數(shù)據(jù)
作為本文的最后一個測試，讓我們可視化一些來自外部數(shù)據(jù)集的數(shù)據(jù)，例如scikit-learn的digits數(shù)據(jù)集。
具體來說，我們將需要3個可視化工具：
- 用于實際數(shù)據(jù)的scikit-learn
- 用于數(shù)據(jù)處理的NumPy
- Matplotlib
首先，讓我們導入所有這些可視化工具：
- import numpy as np
- from sklearn import datasets
- import matplotlib.pyplot as plt
- %matplotlib inline
第一步是實際加載數(shù)據(jù)：
- digits = datasets.load_digits()
如果我們沒有記錯的話，digits應該有2個不同的字段：一個是data字段，包含實際的圖像數(shù)據(jù)；另一個是target字段，包含圖像標簽。
與其相信我們的記憶，不如讓我們研究一下digits對象。這通過輸入字段名稱、添加句點、再按下Tab鍵—digits.<TAB>來實現(xiàn)。這會顯示出digits對象還包含了一些其他字段，例如一個名為images的字段。images和data這2個字段似乎只是形狀不同：
- print(digits.data.shape)
- print(digits.images.shape)
輸出結(jié)果：
- (1797, 64)
- (1797, 8, 8)
在這兩個例子中，第一維都對應于數(shù)據(jù)集中的圖像數(shù)。但是data將所有像素排列在一個大的向量中，而images則保留了每個圖像的8×8空間排列。
因此，如果我們想繪制單張圖像，images字段可能更合適。首先，使用NumPy的數(shù)組切割，從數(shù)據(jù)集中抓取一張圖像：
- img = digits.images[0, :, :]
這里，我們說想要抓取長為1797項的數(shù)組中的第一行，以及所有對應的8×8=64個像素。然后，我們可以使用plt的imshow函數(shù)繪制圖像：
- plt.imshow(img, cmap='gray')
- plt.savefig('figures/02.04-digit0.png')
上述命令給出的輸出如圖2-5所示。請注意，圖像是模糊的，因為我們將該圖像調(diào)整到了更大的尺寸。原始圖像的大小只有8×8。
▲圖2-5 生成單張圖像的示例結(jié)果
此外，我們還可以使用cmap參數(shù)指定一個彩圖。在默認情況下，Matplotlib使用MATLAB的默認彩圖jet?？墒?，對于灰度圖像，gray彩圖更有意義。
最后，我們可以利用plt的subplot函數(shù)繪制一組數(shù)字樣本。subplot函數(shù)與在MATLAB中一樣，我們指定行數(shù)、列數(shù)以及當前子圖的索引（從1開始）。我們將使用一個for循環(huán)遍歷數(shù)據(jù)集中的前10個圖像，每個圖像都有自己的子圖：
- plt.figure(figsize=(14, 4))
- for image_index in range(10):
- # images are 0-indexed, subplots are 1-indexed
- subplot_index = image_index + 1
- plt.subplot(2, 5, subplot_index)
- plt.imshow(digits.images[image_index, :, :], cmap='gray')
生成的輸出如圖2-6所示。
▲圖2-6 生成包含10個數(shù)字的一組子圖
對于各種數(shù)據(jù)集，另一個很好的資源是本書作者邁克爾·貝耶勒的母校加州大學歐文分校的機器學習資源庫：
http://archive.ics.uci.edu/ml/index.php
關于作者：阿迪蒂亞·夏爾馬（Aditya Sharma），羅伯特·博世（Robert Bosch）公司的一名高級工程師，致力于解決真實世界的自動計算機視覺問題。曾獲得羅伯特·博世公司2019年人工智能編程馬拉松的首名。
維什韋什·拉維·什里馬利（Vishwesh Ravi Shrimali），于2018年畢業(yè)于彼拉尼博拉理工學院（BITS Pilani）機械工程專業(yè)。此后一直在BigVision LLC從事深度學習和計算機視覺方面的工作，還參與了官方OpenCV課程的創(chuàng)建。
邁克爾·貝耶勒（Michael Beyeler），是華盛頓大學神經(jīng)工程和數(shù)據(jù)科學的博士后研究員，致力于仿生視覺的計算模型研究，以為盲人植入人工視網(wǎng)膜（仿生眼睛），改善盲人的感知體驗。他的工作屬于神經(jīng)科學、計算機工程、計算機視覺和機器學習的交叉領域。
本文摘編自《機器學習：使用OpenCV、Python和scikit-learn進行智能圖像處理（原書第2版）》，經(jīng)出版方授權發(fā)布。
