matplotlib的demo演示讲解，fillbetween方法绘画直方图亢保星

　　#!/usr/bin/env python #-*- coding:utf-8 -*- import itertools  from functools import partial  import numpy as np import matplotlib.pyplot as plt import matplotlib.ticker as mticker from cycler import cycler   # set up histogram function to fixed bins ＂＂＂ 阅读一：  edges:边界，边缘的意思； 这里是20个边界，范围是[-3,3],这个edges是一个等差数列。 ＂＂＂ edges = np.linspace(-3, 3, 20, endpoint=True) ＂＂＂ partial 包装了np.histogram函数，给np.histogram规定一个默认参数bins,方便以后调用 np.histogram:这方法的作用是： 计算一个数据集的分布。 比如：有1,2,3,4,5,6这个数据集，经过np.histogram分析后，在1到3范围内有3个数字；在4到6范围内有3个数字。 这个分析结果是基于bins=[1,3,6]的。 ＂＂＂ hist_func = partial(np.histogram, bins=edges)  # set up style cycles ＂＂＂ cycker: 是周期的意思 cycler：是一个属性组合器，一个属性下面有多个值，可以有多个属性 cycler：是一个迭代器，可以用迭代器的方式进行访问。 cycle：cycle和cycle之间可以进行加法运算，组装成多个属性，每个属性下面有多个值。     它的数据结构如下：         颜色：蓝，黄，绿，红         标签：set 0 ，set 1，set 2，set 3         形状：形状0，形状1，形状2，形状3 cycle： 它的访问，既可以按标签访问,这里的标签指的是（颜色，标签，形状），也可以     这样访问（蓝，set0，形状0），（黄，标签1，形状1）；一组一组的的访问  颜色属性，这个color_cycle里面有四种颜色，这里的facecolor是前景色的意思， 我们从plt.rcParams[＂axes.prop_cycle＂][:4]里面，拿四种前景色。 [:4] 的意思是从0开始，取四个元素。 我们的结果图里面有四种颜色，从下往上，依次是蓝色，黄色，绿色，红色 ＂＂＂ color_cycle = cycler(facecolor=plt.rcParams[＂axes.prop_cycle＂][:4]) ＂＂＂ 依然使用cycler这个数据结构，我们定义了四个标签，分别是set 0，set 1，set 2，set 3 ＂＂＂ label_cycle = cycler(label=[＂set {n}＂.format(n=n) for n in range(4)]) ＂＂＂ 形状周期（cycler）：斜线，星装，方格，竖线 ＂＂＂ hatch_cycle = cycler(hatch=[＂/＂, ＂*＂, ＂+＂, ＂|＂])  test_v = color_cycle+label_cycle+hatch_cycle for v in test_v:     print(v) # Fixing random state for reproducibility ＂＂＂ 设定随机种子，可以使程序每次运行，都产生同样的随机数。 ＂＂＂ np.random.seed(19680801) ＂＂＂ 应为我们有四个数据集的分布图，所以我们要做四组数据,放在stack_data中 stack_data:是堆_数据的意思，我们这有四堆数据 ＂＂＂ stack_data = np.random.randn(4, 12250) print(stack_data.shape) ＂＂＂ 让四堆数据和四个label进行一一对应。 这里的知识点有： (c[＂label＂] for c in label_cycle)：从label_cycle中获取lable周期对应的数据，获得的结果 是一个元组（＂set 0＂,＂set 1＂,＂set 2＂,＂set 3＂） 然后zip(元组,stack_data),形成一个zip对象，zip对象是一个迭代器，可以被迭代访问的。for...in 的形势进行访问。 dict(zip),这个可以把一个zip对象转为字典 ＂＂＂ dict_data = dict(zip((c[＂label＂] for c in label_cycle), stack_data)) for k,v in dict_data.items():     print(k)     print(v.shape) ＂＂＂ 我们要做一个一行两列的图，figsize，宽950，高450，tight_layout:为True是紧密布局。 ＂＂＂ fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(9, 4.5), tight_layout=True) ＂＂＂ 调用我们的方法，先在第一个坐标系画图。我们传了四个参数，ax1坐标系;stack_data:要被我们统计分析的数据 color_cycle+label_cycle+hatch_cycle,三个cycler相加，形成一个大的周期，这个大的周期数据结构如下： 颜色：蓝，黄，绿，红 标签：set 0 ，set 1，set 2，set 3 形状：形状0，形状1，形状2，形状3 hist_func: 从numpy来的统计函数，对stack_data中的数据进行统计分析 ＂＂＂ arts = stack_hist(ax1, stack_data, color_cycle + label_cycle + hatch_cycle,                   hist_func=hist_func)  arts = stack_hist(ax2, stack_data, color_cycle,                   hist_func=hist_func,                   plot_kwargs=dict(edgecolor=＂w＂, orientation=＂h＂)) ＂＂＂ 设置x轴和y轴的标签。 ＂＂＂ ax1.set_ylabel(＂counts＂) ax1.set_xlabel(＂x＂) ax2.set_xlabel(＂counts＂) ax2.set_ylabel(＂x＂) ＂＂＂ 让这个图，绘画完成 ＂＂＂ plt.show()   ＂＂＂ 阅读二： ax:直角坐标系 stacked_data:被分析的数据 sty_cycle:数据类型为cycler，是四种不同分布的形状，颜色，标签的设置。 hist_func:数据分析函数，分析每个阶段，有多少个数据。 ＂＂＂ def stack_hist(ax, stacked_data, sty_cycle, bottoms=None,                hist_func=None, labels=None,                plot_func=None, plot_kwargs=None):     ＂＂＂     Parameters     ----------     ax : axes.Axes         The axes to add artists too      stacked_data : array or Mapping         A (M, N) shaped array.  The first dimension will be iterated over to         compute histograms row-wise      sty_cycle : Cycler or operable of dict         Style to apply to each set      bottoms : array, default: 0         The initial positions of the bottoms.      hist_func : callable, optional         Must have signature `bin_vals, bin_edges = f(data)`.         `bin_edges` expected to be one longer than `bin_vals`      labels : list of str, optional         The label for each set.          If not given and stacked data is an array defaults to ＂default set {n}＂          If *stacked_data* is a mapping, and *labels* is None, default to the         keys.          If *stacked_data* is a mapping and *labels* is given then only the         columns listed will be plotted.      plot_func : callable, optional         Function to call to draw the histogram must have signature:            ret = plot_func(ax, edges, top, bottoms=bottoms,                           label=label, **kwargs)      plot_kwargs : dict, optional         Any extra keyword arguments to pass through to the plotting function.         This will be the same for all calls to the plotting function and will         override the values in *sty_cycle*.      Returns     -------     arts : dict         Dictionary of artists keyed on their labels     ＂＂＂     # deal with default binning(把...归入统计堆) function     ＂＂＂     我们传入了自己的hist_func,直方图分析函数。     所以不为None，代码不执行。     ＂＂＂     if hist_func is None:         hist_func = np.histogram      # deal with default plotting function     ＂＂＂     plot_func 画直方图的函数，我们没有传入画直方图的函数，     这里是None，我们用系统默认的直方图函数filled_hist.     我们在调用plot_func的时候，讲解这个函数。     ＂＂＂     if plot_func is None:         plot_func = filled_hist      # deal with default     ＂＂＂     我们没有设置plot_kwargs,也就是没有设置绘图的参数。这里直接为空。     ＂＂＂     if plot_kwargs is None:         plot_kwargs = {}     print(plot_kwargs)     try:         ＂＂＂         我们的stacked_data，也就是对数据是一个二维的数组，[4, 12250]         stack_data = np.random.randn(4, 12250)         哪里会有key？         调用stacked_data.keys()，肯定会抛出异常。直接跳到异常模块         ＂＂＂         l_keys = stacked_data.keys()         label_data = True         if labels is None:             labels = l_keys      #这里是异常模块     except AttributeError:         ＂＂＂         设置label_data = False,意思是没有标签数据。         ＂＂＂         label_data = False         if labels is None:             ＂＂＂             因为我们的labels为None，             itertools.repeat(None)，这个方法返回的结果是一个迭代器             每次迭代的结果都是None.可以无限访问，访问就有，不访问就没有。             现在的labels是一个迭代器了。                          ＂＂＂             labels = itertools.repeat(None)      if label_data:         loop_iter = enumerate((stacked_data[lab], lab, s)                               for lab, s in zip(labels, sty_cycle))     else:         ＂＂＂         我们的label_data为False，就会执行下面这个代码。         zip 降三个数组装起来组装结果如下：         （我们要分析的第一个数据集，标签（这里为None），样式(颜色，形状，标签)）         （我们要分析的第二个数据集，标签（这里为None），样式(颜色，形状，标签)）         （我们要分析的第三个数据集，标签（这里为None），样式(颜色，形状，标签)）         （我们要分析的第四个数据集，标签（这里为None），样式(颜色，形状，标签)）         enumerate，枚举，enumerate给每速数据添加了一个索引。用for循环访问         可以返回这个索引。         ＂＂＂         loop_iter = enumerate(zip(stacked_data, labels, sty_cycle))      arts = {}     ＂＂＂     访问，我们封装的数据。     ＂＂＂     for j, (data, label, sty) in loop_iter:         ＂＂＂         我们的label为None，所以会执行if里面的语句，给当前label进行赋值。         ＂＂＂         if label is None:             label = ＂dflt set {n}＂.format(n=j)         ＂＂＂         这里的sty是一个字典，当用for循环访问sty_cycle的时候，sty_cycle是Cycler对象         也就是当用for循环访问Cycler对象的时候，它反会的是一个字典。         这个的sty的数据结构如下：         sty[＂lable＂]=＂＂         sty[＂hatch＂]=＂＂         syt[＂facecolor＂]=＂＂                  pop是字典的方法，sty.pop(＂label＂, label)的意思是：         删除key为＂label＂的值，并返回这个key对应的值，         如果字典中没有这个key，就直接返回第二个参数对应的值。         ＂＂＂         label = sty.pop(＂label＂, label)         ＂＂＂         hist_fun开始对数据进行分析         edges 代表这个直方图中20条边。         vals 代表这个直方图中有19个柱子         ＂＂＂         vals, edges = hist_func(data)         if bottoms is None:             ＂＂＂             我们没有传入bottoms，也是柱状图的底部没有传入             默认为0.             我们要让这19根柱子，底部为0.就用             np.zeros_like(vals)；这行代码的意思：             创建一个元素全是0的数组，这个数组的形状和vals的形状一样。             vals代表19根柱子的高度，也就是长度为19的数组             那么bottom就是19根柱子的底部位置             ＂＂＂             bottoms = np.zeros_like(vals)         ＂＂＂         bottoms 和 vals都是numpy的数组，可以用加法进行运算，         使两个数组对应的元素进行相加。         tips： python中普通数组的相加，只是将两个数组连接起来。         19根柱子的底部位置+19根柱子的高度，就算出了19根柱子的顶部位置         ＂＂＂         top = bottoms + vals         print(sty)         ＂＂＂         我们没有设置plot_kwargs,这里为None。         sty是一个字典。字典的update方法中，再传入一个字典，可以完成对原来字典的更新。         ＂＂＂         sty.update(plot_kwargs)         print(sty)         ＂＂＂         开始调用我们的绘图函数。         ax：直角坐标系。         edges：19根柱子的20个边。         top：19根柱子的高度所在位置         bottols：19根柱子的底部所在位置         label：19根柱子的标签。         **sty：对我们的样式字典进行解包：解包结果：color=＂＂,hatch=＂＂         ＂＂＂         ret = plot_func(ax, edges, top, bottoms=bottoms,                         label=label, **sty)         ＂＂＂         第一个图画完了。第二个图，在第一个图的上边画。         所以第二个图的起点是第一个图的最高点。         ＂＂＂         bottoms = top         ＂＂＂         将绘图结果保存在字典里         ＂＂＂         arts[label] = ret      ＂＂＂     设置图例     ＂＂＂     ax.legend(fontsize=10)     return arts 阅读三 ＂＂＂ 我们传入了参数ax：直角坐标系； edges：20条边 values：19个柱子的顶部位置 bottoms：19个柱子的底部位置 **kwargs：参数：我们传入的样式。 orientation：方向，我们没有传入，默认为v，垂直方向。 ＂＂＂ def filled_hist(ax, edges, values, bottoms=None, orientation=＂v＂,                 **kwargs):     ＂＂＂     Draw a histogram as a stepped patch.      Parameters     ----------     ax : Axes         The axes to plot to      edges : array         A length n+1 array giving the left edges of each bin and the         right edge of the last bin.      values : array         A length n array of bin counts or values      bottoms : float or array, optional         A length n array of the bottom of the bars.  If None, zero is used.      orientation : {＂v＂, ＂h＂}        Orientation of the histogram.  ＂v＂ (default) has        the bars increasing in the positive y-direction.      **kwargs         Extra keyword arguments are passed through to `.fill_between`.      Returns     -------     ret : PolyCollection         Artist added to the Axes     ＂＂＂     ＂＂＂     传入的方向检查，要么是h，要么是v；其它的报错。     ＂＂＂     print(orientation)     if orientation not in ＂hv＂:         raise ValueError(＂orientation must be in {{＂h＂, ＂v＂}} ＂                          ＂not {o}＂.format(o=orientation))     ＂＂＂     如果kwargs中没有step，则设置step的值为post     如果kwargs中没有alpha，则设置alpha的值为0.7     ＂＂＂     kwargs.setdefault(＂step＂, ＂post＂)     kwargs.setdefault(＂alpha＂, 0.7)      ＂＂＂     np.asarray: 将输入的数据转换为ndarray     ＂＂＂     edges = np.asarray(edges)     values = np.asarray(values)     ＂＂＂     如果19个柱子的边，不等于20，就报错。     ＂＂＂     if len(edges) - 1 != len(values):         raise ValueError(＂Must provide one more bin edge than value not: ＂                          ＂len(edges): {lb} len(values): {lv}＂.format(             lb=len(edges), lv=len(values)))     ＂＂＂     如果bottoms为None，就默认为0，这个标量。标量是相对于向量来说的。     向量就是数组。     bottoms 也可以是数组。     我们给这个函数传入的bottoms就是一个数组。     ＂＂＂     if bottoms is None:         bottoms = 0     ＂＂＂     np.broadcast_to，这个函数的作用是：将bottoms中的值，广播到     values.shape中。     ＂＂＂     bottoms = np.broadcast_to(bottoms, values.shape)      ＂＂＂     在画图的时候，我们有20条边，我们要设置20条边的顶部位置     和20条边的底部位置。     现在values和bottoms里面存放的时候，19根柱子的顶部位置，19根柱子的底部位置     补充的这条边，应该和最后一条边一样长     ＂＂＂     values = np.append(values, values[-1])     bottoms = np.append(bottoms, bottoms[-1])      if orientation == ＂h＂:         return ax.fill_betweenx(edges, values, bottoms,                                 **kwargs)     elif orientation == ＂v＂:         ＂＂＂         开始进行绘图         ＂＂＂         return ax.fill_between(edges, values, bottoms,                                **kwargs)     else:         raise AssertionError(＂you should never be here＂)