简介
在本实验中，我们将学习如何使用 Matplotlib 创建带有阴影填充的直方图。直方图是一种数据的图形表示形式，它使用条形来展示数值数据的频率。带有阴影填充的直方图是指条形用线条、点或其他符号的图案进行填充的直方图。
虚拟机使用提示
虚拟机启动完成后，点击左上角切换到“笔记本”标签页，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们会及时为你解决问题。
导入必要的库
我们将为本实验导入必要的库。我们需要以下库：
numpy用于生成随机数据matplotlib.pyplot用于创建图表matplotlib.ticker用于设置坐标轴刻度位置cycler用于创建样式循环functools.partial用于创建偏函数
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as mticker
from cycler import cycler
from functools import partial
定义直方图函数
我们将定义一个函数，用于绘制作为阶梯状补丁的直方图。该函数将接受以下参数：
ax：要绘制到的 Axes 对象edges：一个长度为 n + 1 的数组，给出每个区间的左边缘以及最后一个区间的右边缘values：一个长度为 n 的区间计数或值的数组bottoms：一个浮点数或数组，可选，一个长度为 n 的数组，表示条形的底部。如果为 None，则使用零orientation：一个字符串，可选，直方图的方向。'v'（默认）表示条形在正 y 方向上增加
def filled_hist(ax, edges, values, bottoms=None, orientation='v', **kwargs):
"""
绘制作为阶梯状补丁的直方图。
参数
----------
ax : Axes
要绘制到的轴
edges : 数组
一个长度为 n + 1 的数组，给出每个区间的左边缘以及最后一个区间的右边缘。
values : 数组
一个长度为 n 的区间计数或值的数组
bottoms : 浮点数或数组，可选
一个长度为 n 的数组，表示条形的底部。如果为 None，则使用零。
orientation : {'v', 'h'}
直方图的方向。'v'（默认）表示条形在正 y 方向上增加。
**kwargs
额外的关键字参数将传递给 `.fill_between`。
返回
-------
ret : PolyCollection
添加到 Axes 的艺术家对象
"""
if orientation not in 'hv':
raise ValueError(f"方向必须在{{'h', 'v'}}中，而不是{orientation}")
kwargs.setdefault('step', 'post')
kwargs.setdefault('alpha', 0.7)
edges = np.asarray(edges)
values = np.asarray(values)
if len(edges) - 1!= len(values):
raise ValueError(f'必须提供比值多一个区间边缘，而不是：{len(edges)=} {len(values)=}')
if bottoms is None:
bottoms = 0
bottoms = np.broadcast_to(bottoms, values.shape)
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':
return ax.fill_between(edges, values, bottoms, **kwargs)
else:
raise AssertionError("你不应该在这里")
定义堆叠直方图函数
我们将定义一个函数来创建堆叠直方图。该函数将接受以下参数：
ax：要添加艺术家对象的坐标轴stacked_data：一个形状为 (M, N) 的数组。将对第一维进行迭代，按行计算直方图sty_cycle：一个 Cycler 对象或可操作的字典，应用于每组的样式bottoms：一个数组，默认值为 0，底部的初始位置hist_func：一个可调用对象，可选。必须具有签名bin_vals, bin_edges = f(data)。预期bin_edges比bin_vals长一个labels：一个字符串列表，可选，每组的标签。如果未给出，且stacked_data是数组，则默认为 'default set {n}'。如果stacked_data是映射且labels为 None，则默认为键。如果stacked_data是映射且给出了labels，则只绘制列出的列plot_func：一个可调用对象，可选，用于绘制直方图的函数。必须具有签名ret = plot_func(ax, edges, top, bottoms=bottoms, label=label, **kwargs)plot_kwargs：一个字典，可选，要传递给绘图函数的任何额外关键字参数。这对于绘图函数的所有调用都是相同的，并且将覆盖sty_cycle中的值
def stack_hist(ax, stacked_data, sty_cycle, bottoms=None, hist_func=None, labels=None, plot_func=None, plot_kwargs=None):
"""
参数
----------
ax : axes.Axes
要添加艺术家对象的坐标轴
stacked_data : 数组或映射
一个形状为 (M, N) 的数组。将对第一维进行迭代，按行计算直方图
sty_cycle : Cycler 或可操作的字典
应用于每组的样式
bottoms : 数组，默认值为 0
底部的初始位置
hist_func : 可调用对象，可选
必须具有签名 `bin_vals, bin_edges = f(data)`。
预期 `bin_edges` 比 `bin_vals` 长一个
labels : 字符串列表，可选
每组的标签。
如果未给出，且 `stacked_data` 是数组，则默认为 'default set {n}'
如果 *stacked_data* 是映射，且 *labels* 为 None，则默认为键。
如果 *stacked_data* 是映射且 *labels* 为给定，则只绘制列出的列。
plot_func : 可调用对象，可选
用于绘制直方图的函数，必须具有签名：
ret = plot_func(ax, edges, top, bottoms=bottoms,
label=label, **kwargs)
plot_kwargs : 字典，可选
要传递给绘图函数的任何额外关键字参数。
这对于绘图函数的所有调用都是相同的，并且将覆盖 *sty_cycle* 中的值。
返回
-------
arts : 字典
以标签为键的艺术家对象字典
"""
## 处理默认的装箱函数
if hist_func is None:
hist_func = np.histogram
## 处理默认的绘图函数
if plot_func is None:
plot_func = filled_hist
## 处理默认值
if plot_kwargs is None:
plot_kwargs = {}
try:
l_keys = stacked_data.keys()
label_data = True
if labels is None:
labels = l_keys
except AttributeError:
label_data = False
if labels is None:
labels = itertools.repeat(None)
if label_data:
loop_iter = enumerate((stacked_data[lab], lab, s) for lab, s in zip(labels, sty_cycle))
else:
loop_iter = enumerate(zip(stacked_data, labels, sty_cycle))
arts = {}
for j, (data, label, sty) in loop_iter:
if label is None:
label = f'dflt set {j}'
label = sty.pop('label', label)
vals, edges = hist_func(data)
if bottoms is None:
bottoms = np.zeros_like(vals)
top = bottoms + vals
sty.update(plot_kwargs)
ret = plot_func(ax, edges, top, bottoms=bottoms, label=label, **sty)
bottoms = top
arts[label] = ret
ax.legend(fontsize=10)
return arts
设置固定区间的直方图函数
我们将使用 numpy.histogram 设置一个具有固定区间的直方图函数。我们将创建 20 个区间，范围从 -3 到 3。
edges = np.linspace(-3, 3, 20, endpoint=True)
hist_func = partial(np.histogram, bins=edges)
设置样式循环
我们将使用 cycler 为直方图设置样式循环。我们将创建三个样式循环：一个用于面颜色，一个用于标签，一个用于阴影图案。
color_cycle = cycler(facecolor=plt.rcParams['axes.prop_cycle'][:4])
label_cycle = cycler(label=[f'set {n}' for n in range(4)])
hatch_cycle = cycler(hatch=['/', '*', '+', '|'])
生成随机数据
我们将使用 numpy.random.randn 生成随机数据。我们将生成 4 组数据，每组有 12250 个点。
np.random.seed(19680801)
stack_data = np.random.randn(4, 12250)
创建带阴影的填充直方图
我们将使用之前定义的 stack_hist 函数创建一个带阴影的填充直方图。我们将使用之前定义的 stack_data、color_cycle 和 hist_func。我们还将设置 plot_kwargs 以包含边缘颜色和方向。
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(9, 4.5), tight_layout=True)
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'))
ax1.set_ylabel('counts')
ax1.set_xlabel('x')
ax2.set_xlabel('counts')
ax2.set_ylabel('x')
创建带标签的阴影填充直方图
我们将使用之前定义的 stack_hist 函数创建一个带标签的阴影填充直方图。我们将使用之前定义的 dict_data、color_cycle 和 hist_func。我们还将把 labels 设置为 ['set 0','set 3']，以便只绘制第一组和最后一组。
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(9, 4.5), tight_layout=True, sharey=True)
dict_data = dict(zip((c['label'] for c in label_cycle), stack_data))
arts = stack_hist(ax1, dict_data, color_cycle + hatch_cycle, hist_func=hist_func)
arts = stack_hist(ax2, dict_data, color_cycle + hatch_cycle, hist_func=hist_func, labels=['set 0','set 3'])
ax1.xaxis.set_major_locator(mticker.MaxNLocator(5))
ax1.set_xlabel('counts')
ax1.set_ylabel('x')
ax2.set_ylabel('x')
总结
在本实验中，我们学习了如何使用 Matplotlib 创建带阴影的填充直方图。我们定义了两个函数：filled_hist 用于将直方图绘制为阶梯状补丁，以及 stack_hist 用于创建堆叠直方图。我们还使用 numpy.histogram 设置了一个具有固定 bins 的直方图函数，并使用 cycler 为直方图定义了三个样式循环。最后，我们生成了随机数据，并使用 stack_hist 函数创建了两个带阴影的填充直方图。