This tutorial is from open-source community. Access the source code
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。
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")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)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=['/', '*', '+', '|'])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)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')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')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。