2. NumPy 套件 (視覺化資料)

Matplotlib 是 Python 中一個常用的繪圖庫，可以與 NumPy 一起用來繪製各種類型的圖表。在進行開始之前，請確認已經安裝了 Matplotlib。

2.1 中文字體

我們先去下載中文字體，推薦使用 Google Font Noto Sans Traditional Chinese。

import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.font_manager import fontManager
fontManager.addfont('字體路徑')
mpl.rc('font', family='Noto Sans TC')

依照上述設定即可正常顯示中文，後續程式範例將省略此部分。
WINDOWS 作業系統路徑\需要跳脫字元如下：

fontManager.addfont('C:\\Users\\<username>\\OneDrive\\桌面\\Noto_Sans_TC\\static\\NotoSansTC-Regular.ttf')

2.2 折線圖

# 建立一些示例資料
data = np.arange(10)
# 繪製折線圖
plt.plot(data)
# 添加標題和標籤
plt.title('示例折線圖')
plt.xlabel('X 軸')
plt.ylabel('Y 軸')

plt.plot(x, y)：繪製 y 相對於 x 之圖表，如果省略 x，則 x 軸標籤為資料序數。

• x = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
• y = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

2.3 曲線圖

單線

x = np.linspace(0, 10, 100)  # 在 0 到 10 之間生成 100 個等間距的數字
y = np.sin(x)  # 計算正弦值
# 繪製曲線圖
plt.plot(x, y)
# 添加標題和標籤
plt.title('正弦曲線')
plt.xlabel('x')
plt.ylabel('sin(x)')

多線

x = np.linspace(0, 10, 100)  # 在 0 到 10 之間生成 100 個等間距的數字
y1 = np.sin(x)  # 計算正弦值
y2 = np.cos(x)  # 計算餘弦值
# 繪製曲線圖
plt.plot(x, y1, label='sin(x)')
plt.plot(x, y2, label='cos(x)')
# 添加標題和圖例
plt.title('正弦值 / 餘弦值')
plt.legend(loc='best')

legend()如不傳入任何額外參數時，將自動決定要新增至圖例的元素。

2.4 線條樣式

plot() 函式也接受顏色與線條樣式，例如：

plt.plot(x, y, color='g', linestyle='--', marker='o')    # 綠虛線圓圈標記

也可以不使用關鍵字參數，[color][marker][line]也支援其他組合，但請注意，它們的解析可能不正確。例如'go--'、'g--o' 皆可。

plt.plot(x, y, 'g--o')    # 綠虛線圓圈標記

標記（Markers）

線條樣式（Line Styles）

顏色（Colors）

如果顏色是格式字串的唯一部分，您也可以使用任何matplotlib.colors規範，例如全名 ( 'green') 或十六進位字串 ( '#008000')。

2.4 長條圖/直方圖

# 準備數據
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 56, 78, 33]
# 繪製長條圖
plt.bar(categories, values)
# 添加標題和標籤
plt.title('示例長條圖')
plt.xlabel('Categories')
plt.ylabel('Values')

將 bar() 改為 barh()，就會變成水平的長條圖。

# 準備數據
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 56, 78, 33]
# 繪製水平長條圖
plt.barh(categories, values)
# 添加標題和標籤
plt.title('示例水平長條圖')
plt.xlabel('Values')
plt.ylabel('Frequency')

如果資料量很多時我們可以使用bins將數據分組，取最大值與最小值的差，再除以分組數量，即為每個分組的數值範圍。

# 生成隨機數據
data = np.random.randn(1000)
# 繪製直方圖
plt.hist(data, bins=10)
# 添加標題和標籤
plt.title('示例分組直方圖')
plt.xlabel('Values')
plt.ylabel('Frequency')

有連續性的圖形才能省略 x

2.4 散布圖

散布圖

# 生成隨機數據
data = np.random.randn(1000)
# 繪製直方圖
plt.hist(data, bins=10)
# 添加標題和標籤
plt.title('示例分組長條圖')
plt.xlabel('Values')
plt.ylabel('Frequency')

大小散布圖

# 生成隨機數據
x = np.random.randn(30)
y = np.random.randn(30)
sizes = np.random.rand(30) * 1000
# 繪製散布圖
plt.scatter(x, y, s=sizes)
# 添加標題和標籤
plt.title('大小散布圖')
plt.xlabel('X')
plt.ylabel('Y')

散布圖

# 生成隨機數據
x = np.random.randn(20)
y = np.random.randn(20)
sizes = np.random.rand(20) * 100
colors = np.random.rand(20)
# 繪製散布圖
plt.scatter(x, y, s=sizes, c=colors, cmap='viridis')
# 添加標題和標籤
plt.title('顏色散布圖')
plt.xlabel('X')
plt.ylabel('Y')
# 顯示顏色條
plt.colorbar(label='色彩值')

2.5 圓餅圖

圓餅圖

# 數據
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
# 繪製圓餅圖
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
# 添加標題
plt.title('示例圓餅圖')
# 顯示圖形
plt.axis('equal')  # 保證圓餅圖是正圓的

中空圓餅圖

我們可以透過 wedgeprops參數字典中設定width達成中空樣式

x = [1, 2, 3, 4, 5]
plt.pie(x,
        labels=x,
        radius=1.5,
        wedgeprops={'linewidth': 3, 'edgecolor': 'w', 'width': 1})

• radius:圓餅圖的直徑
• wedgeprops.linewidth: 區塊間的間格
• wedgeprops.edgecolor: 區塊間的顏色
• wedgeprops.width:圓餅餅皮厚度

2.6 等高線(輪廓)圖

在開始之前我用簡單的方式來解釋 Numpy 中的 meshgrid()。

假設你有兩個一維數組，分別代表 x 和 y 軸的坐標：

x = [1, 2, 3]
y = [4, 5, 6]

如果你想要得到所有可能的 x 和 y 坐標的組合，你可以使用 meshgrid()。讓我們來看看 meshgrid() 的效果：

import numpy as np
x = [1, 2, 3]
y = [4, 5, 6]
X, Y = np.meshgrid(x, y)
print("X 矩陣：")
print(X)
print("Y 矩陣：")
print(Y)
# X 矩陣：
# [[1 2 3]
#  [1 2 3]
#  [1 2 3]]
# Y 矩陣：
# [[4 4 4]
#  [5 5 5]
#  [6 6 6]]

現在，可以將 X 和 Y 中的每個值視為一對 x 和 y 坐標。例如，(1, 4)、(2, 4)、(3, 4) 分別是第一列的坐標點，而 (1, 5)、(2, 5)、(3, 5) 分別是第二列的坐標點，以此類推。

這就是 meshgrid() 的作用：它將兩個一維數組轉換為兩個二維矩陣，其中一個矩陣包含了所有可能的 x 坐標，另一個矩陣包含了所有可能的 y 坐標。

contour()

plt.contour(X, Y, Z, levels=10, cmap='viridis', linewidths=2)

• X 和 Y 是網格化的二維坐標矩陣。
• Z 是與 X 和 Y 對應的二維數值矩陣，表示需要繪製等高線的數據。
• levels 參數指定等高線的數量或值。可以是一個整數，表示等高線的數量，也可以是一個列表，表示特定的等高線值。
• cmap 參數指定了等高線的顏色映射，控制等高線的顏色。
• linewidths 參數指定了等高線的線寬。

# 定義 x 和 y 的數據範圍
x = np.linspace(-3, 3, 3)
y = np.linspace(-3, 3, 3)
# 將 x 和 y 網格化
X, Y = np.meshgrid(x, y)
Z = np.array([[1, 0, 1],
                     [2, 1, 1.5],
                     [3, 1.5 ,2]])
# 繪製輪廓圖
plt.contour(X, Y, Z, levels=10, cmap='viridis', linewidths=2)
# 標示坐標
for i in range(len(x)):
    for j in range(len(y)):
        plt.text(x[i], y[j], f'({x[i]:.0f}, {y[j]:.0f})', fontsize=8)
plt.colorbar(label='色彩值')

contourf()

# 定義 x 和 y 的數據範圍
x = np.linspace(-3, 3, 3)
y = np.linspace(-3, 3, 3)
# 將 x 和 y 網格化
X, Y = np.meshgrid(x, y)
Z = np.array([[1, 0, 1],
                     [2, 1, 1.5],
                     [3, 1.5 ,2]])
# 繪製輪廓圖
plt.contourf(X, Y, Z, levels=10, cmap='viridis')
# 標示坐標
for i in range(len(x)):
    for j in range(len(y)):
        plt.text(x[i], y[j], f'({x[i]:.0f}, {y[j]:.0f})', fontsize=8)
plt.colorbar(label='色彩值')

contour() 與 contourf() 一個爲線條一個爲填滿的色塊。

contour3D()

# 定義 x 和 y 的數據範圍
x = np.linspace(-3, 3, 3)
y = np.linspace(-3, 3, 3)
# 將 x 和 y 網格化
# 定義 x 和 y 的數據範圍
x = np.linspace(-3, 3, 3)
y = np.linspace(-3, 3, 3)
# 將 x 和 y 網格化
X, Y = np.meshgrid(x, y)
Z = np.array([[1, 0, 1],
                     [2, 1, 1.5],
                     [3, 1.5 ,2]])
fig = plt.figure()
ax = plt.axes(projection='3d')
ax.contour3D(X, Y, Z, 50, cmap='viridis')

2.7 等高線(輪廓)圖

# 創建一個新的圖形窗口
fig = plt.figure()
# 添加第一個子圖（2行2列，第1個位置）
ax1 = fig.add_subplot(2, 2, 1)
ax1.plot([1, 4, 3, 5, 2])  # 在第一個子圖中繪製折線圖
# 添加第二個子圖（2行2列，第2個位置）
ax2 = fig.add_subplot(2, 2, 2)
ax2.scatter([1, 2, 3], [4, 5, 6])  # 在第二個子圖中繪製散點圖
# 添加第三個子圖（2行2列，第3個位置）
ax3 = fig.add_subplot(2, 2, 3)
ax3.bar([1, 2, 3], [4, 5, 6])  # 在第三個子圖中繪製長條圖
# 添加第四個子圖（2行2列，第4個位置）
ax4 = fig.add_subplot(2, 2, 4)
ax4.hist([1, 2, 2, 3, 3, 3, 3, 4, 4, 5])  # 在第四個子圖中繪製直方圖