Crazy Rebel: викификация, оформление, иллюстрация

2009-04-17T07:10:31Z

викификация, оформление, иллюстрация

Новая страница

: '''Matplotlib''' Графики и диаграммы – несколькими строчками переносимого кода!

==Строим графопостроитель==

: Не впечатлены возможностями ''R'' по части графиков, которые мы рассматривали в [[LXF102:R|LXF102]]? Нет проблем – напишите свою собственную программу, которая будет делать все, как надо. '''Олег Попов''' готов прийти вам на помощь.

Речь в этой статье пойдет о ''Matplotlib'' – мультиплатформенном пакете для создания двумерных диаграмм на языке программирования ''Python''. С его помощью можно отрисовывать самые разнообразные диаграммы, причем объем кода, в большинстве случаев, не
превысит несколько десятков строк. Другая замечательная особенность
данного пакета – это способность встраивать диаграммы в различные
библиотеки графического интерфейса: ''Tk, wxWidgets, Qt'' и ''GTK+''.

Итак, для сегодняшнего урока нам потребуются:
* Язык программирования ''Python''.
* Библиотека графического интерфейса ''GTK+''.
* Интерфейс к библиотеке ''GTK+'' для языка ''Python'' – ''PyGTK''.
* Библиотека для работы с многомерными массивами и численными методами ''NumPy'' (эта библиотека интенсивно используется ''Matplotlib'' для оптимизации обработки числовых данных).
* Собственно сам пакет ''Matplotlib''.

Я не буду описывать магию установки программ во всех мыслимых
вариантах, но скажу, что для большинства дистрибутивов Linux (и для
ОС Windows) доступны скомпилированные пакеты, в том числе в виде
RPM, Deb и Fink. Если же вы пожелаете воспользоваться исходными текстами, нужно просто распаковать архив в какой-нибудь каталог, а затем
выполнить команды:

python setup.py build
sudo python setup.py install

По умолчанию пакет устанавливается в каталог '''/usr/local/lib/python2.x/site-packages/Matplotlib/'''.

В этом каталоге следует открыть файл '''font_manager.py''' и обратить
внимание на строки, указывающие на каталоги со шрифтами:
<source lang=python>
X11FontDirectories = [
# an old standard installation point
«/usr/X11R6/lib/X11/fonts/TTF/»,
# here is the new standard location for fonts
«/usr/share/fonts/»,
# documented as a good place to install new fonts
«/usr/local/share/fonts/»,
# common application, not really useful
«/usr/lib/openoffice/share/fonts/truetype/»,
]
</source>
Если в вашей системе кириллические шрифты находятся в других
каталогах, то очевидно, их нужно добавить в список. В противном случае ''Matplotlib'' возьмет нелокализованные шрифты из своего каталога,
и тогда уж не ждите корректоного отображения кириллицы.

''Маtplotlib'' использует конфигурационный файл '''.Matplotlibrc''', который находится в каталоге '''/usr/local/share/Matplotlib/.Matplotlibrc''' (для
некоторых дистрибутивов Linux – '''/usr/share/Matplotlib/.Matplotlibrc''').
Опытным пользователям Linux должно быть очевидно, что можно
скопировать этот файл в свой домашний каталог (точнее, в каталог '''/home/[user]/Matplotlib/.Matplotlibrc''') и изменить желаемые настройки.
Очень рекомендуется сразу поправить имена шрифтов, используемых
по умолчанию, например, на стандартные шрифты '''TrueType/OpenType'''
от Microsoft или шрифты Postscript, содержащие русские символы. Я
установил следующие имена шрифтов:

font.serif : Verdana
font.sans-serif : Arial,Verdana
font.cursive : Arial
font.fantasy : Comic Sans MS
font.monospace : Arial

При использовании русского языка не возникает никаких проблем,
если сохранять исходные тексты программ в кодировке UTF-8. Для
этого в первых строках программы лучше явно указать кодировку с
мощью следующего заклинания:

#!/usr/bin/env python
# -*- coding: UTF-8 -*-

Для строк, содержащих русские символы, также следует указывать
кодировку явно:

unistring=u'Это строка в кодировке Unicode - UTF-8'

===Рисуем график функции===

Чтобы изобразить диаграмму средствами ''Matplotlib'', нужно создать
экземпляр класса '''Figure''', который служит контейнером для одного
или нескольких экземпляров класса '''Subplot'''. Класс '''Subplot''' является, в
свою очередь, контейнером для одной-единственной диаграммы.

Конструктор класса '''Figure''' принимает следующие параметры:
* '''figsize = (width,height)''' – размер изображения в дюймах. Как показали эксперименты, этот параметр не влияет на размер диаграммы в окнах ''GTK+'', он влияет только на размер диаграммы при ее сохранении во внешний файл.
* '''dpi''' – количество точек на дюйм. Этот параметр задает размеры всех элементов диаграмм, включая масштаб шрифтов и линий. Для аккуратного отображения диаграмм на экране дисплея значения этого параметра можно варьировать от '''60''' до '''120'''. При разрешении монитора 1280х1024 приемлемое качество получится примерно при 75–85 dpi.
* '''facecolor''' – цвет фона для диаграмм.

Область рисования диаграмм может быть обведена рамкой. Для этого можно задать следующие параметры:
* '''edgecolor = цвет рамки'''.
* '''linewidth = 1.0''', толщина линий рамки.
* '''frameon = True/False''' – рисовать/не рисовать рамку вокруг диаграмм.

С помощью параметра '''subplotpars''' можно задать поля (свободное
место) вокруг диаграмм. Для этого существует класс '''SubplotParam''',
который создается следующим конструктором:
<source lang=python>
params=SubplotParams(left=0.1, bottom=0.1, right=0.9, top=0.9,wspace=0.1,hspace=0.1)
</source>
Параметры задаются в десятичных долях от общего размера области рисования. Параметры '''left, bottom, right''' и '''top''' задают соответственно положение левой, нижней, правой и верхней границ диаграммы.
Параметры '''wspace''' и '''hspace''' задают свободное место между диаграммами по вертикали и горизонтали и нужны только в том случае, если
'''Figure''' содержит более одной диаграммы.

Пример создания экземпляра '''Figure''':
<source lang=python>
fig = Figure(figsize=(4,3), dpi=85,facecolor='white',edgecolor='lightblue',
linewidth = 4.0, frameon = True,
subplotpars=SubplotParams(left=0.1, bottom=0.1, right=0.9,
top=0.9,wspace=0.1,hspace=0.1))
</source>
Теперь можно добавить в '''fig''' контейнер для диаграммы
<source lang=python>
myplot = fig.add_subplot(1,1,1)
</source>
Параметры метода '''add_subplot(numRows,numCols,plotNum)''' имеют
следующий смысл:
* '''numRows''' – количество диаграмм в строке.
* '''numCols''' – количество диаграмм в столбце. Диаграммы при этом нумеруются последовательно, слева направо, построчно, и для каждой диаграммы задается параметр '''plotNum''' – номер диаграммы по порядку.

Например:

<source lang=python>
plot1=fig.add_subplot(2,2,3)
</source>
Так можно создать диаграмму, разделив область рисования на два столбца и две строки, и вывести ее в первом столбце второй строки.

Или:

<source lang=python>
plot2=fig.add_subplot(2,2,2)
</source>
что означает: создать диаграмму, разделив область рисования на два
столбца и две строки, и вывести диаграмму во втором столбце первой
строки.

{{Врезка|Содержание=[[Изображение:LXF103_73_1.jpg|300px]]Осцилограмма затухающих колебаний, как сказали бы физики.|Ширина=300px}}

Давайте, к примеру, изобразим график функции ''y=sin(2*pi*x)*exp(-x)''
на интервале (0,5) с шагом 0.02 и отрисуем на нем красные окружности
(точки) с шагом 0.1. Сначала создадим экземпляр класса-контейнера
'''Figure''' и добавим в него экземпляр класса '''subplot''':

<source lang=python>
#рисуем график функции
self.figure1 = Figure(figsize=(4,4), dpi=85,facecolor='lavender',
edgecolor='lavenderblush',linewidth = 12.0,
frameon = True,subplotpars=SubplotParams(left=0.1, bottom=0.1,
right=0.9, top=0.9,wspace=0.1,hspace=0.1))
self.subplot1=self.figure1.add_subplot(1,1,1)#
self.subplot1.set_title(u' График функции y=sin(2*pi*x)*exp(-x)', fontsize=18)
</source>

'''Matplotlib''' интенсивно использует модуль '''NumPy''', который содержит библиотеку математических и служебных функций. Одной из них
является функция '''arange(start, stop, step)''', которая создает массив из
последовательности чисел в диапазоне '''(start, stop)''' c шагом '''step'''. Эта
функция часто используется для задания значений осей диаграммы.
Определим с ее помощью массивы значений для оси '''X'''.

<source lang=python>
#массивы значений для оси X
X1=arange(0.0,5.0,0.1)
X2=arange(0.0,5.0,0.02)
</source>

{{Врезка|Заголовок=Каждый охотник желает знать|Содержание=Несколько слов о том, как задается цвет. В пакете ''Matplotlib'' это можно сделать одним
из трех способов:
* '''1''' Однобуквенные аббревиатуры:
'''b''' : blue
'''g''' : green
'''r''' : red
'''c''' : cyan
'''m''' : magenta
'''y''' : yellow
'''k''' : black
'''w''' : white
* '''2''' В виде строки RGB в шестнадцатеричном представлении – '#rrggbb',например:
mycolor= '#00008B'
* '''3''' Название цвета. Список используемых названий цветов можно увидеть в файле '''colors.py''' (см. исходные тексты).
|Ширина=200px}}

А вот и сама функция, которую нужно рисовать.

<source lang=python>
#определим функцию для графика
def f(t):
s1 = sin(2*pi*t)
e1 = exp(-t)
return multiply(s1,e1)
</source>
Отображение графика выполняет метод '''plot()''' класса '''Subplot''', который принимает множество параметров (в том числе цвет, толщину и
прозрачность линии и т.д.). Параметры эти детально описаны в документации. Кроме рисования линиями, можно рисовать специальными
символами-маркерами. В нашем примере график рисуется дважды:
первый раз изображается синяя линия, а второй раз – маркеры в виде
красных окружностей.
<source lang=python>
#рисуем график функции сплошной синей линией
line2=self.subplot1.plot(X2,f(X2),color='blue')
#рисуем график функции для точек X1 маркерами (красными окружностями)
line1=self.subplot1.plot(X1,f(X1),'ro')
</source>
После того, как создан график, экземпляр класса '''Figure''' следует
упаковать внутрь стандартного виджета '''gtk.DrawingArea'''. Для этого
нужно создать экземпляр класса '''FigureCanvas''' и передать ему в качестве параметра экземпляр '''Figure''':
<source lang=python>
#scrolled window
self.scrolledwindow1 = gtk.ScrolledWindow()
self.scrolledwindow1.show ()
self.vbox1.pack_start (self.scrolledwindow1, True,True, 0)
self.scrolledwindow1.set_border_width ( 8)
#
self.canvas = FigureCanvas(self.figure1) # «упаковать» диграмму внутрь gtk.DrawingArea
self.canvas.set_size_request(700,500) # минимальнй размер области рисования
self.scrolledwindow1.add_with_viewport(self.canvas)
</source>
Поведение диаграммы в '''Matplotlib''' достаточно умное: можно увеличивать и уменьшать масштаб, можно экспортировать диаграмму
во внешний файл (поддерживаются форматы '''PNG, JPEG''' и '''Postscript''').
Для более наглядной манипуляции с диаграммами, есть специальный управляющий виджет – '''NavigationToolbar''', который также можно
использовать как виджет ''GTK+.''

===Столбцовые и круговые диаграммы===

Наиболее распространенными видами диаграмм являются столбцовые
и круговые, и пакет ''Matplotlib'' успешно справляется с их построением.
В следующем примере я попытаюсь показать, как строить несколько
диаграмм разного вида внутри контейнера '''Figure'''.

На сайте Департамента Энергетики США (http://www.eia.doe.gov/ipm/)
можно найти разнообразную статистику по мировой добыче нефти и
газа. Попробуем оценить долю РФ в мировых запасах нефти и долю,
занимаемую РФ в мировой добыче.

{{Врезка|Содержание=[[Изображение:LXF103_72_1.jpg|300px]] Да, на этом долго не протянешь... |Ширина=300px}}

Для начала давайте построим столбцовую диаграмму «Мировые
запасы нефти на 1 января 2006 года». Опишем исходные данные в виде
списка:
<source lang=python>
OilReservesbyCountry=(('Saudi Arabia',264.3),('Canada',178.8),('Iran',132.5),('Iraq',115.0),
'Kuwait',101.5),('UAE',97.8),('Venezuela',79.7),('Russia',60.0), ('Libya',39.1),
('Nigeria',35.9), ('United States',21.4),('China',18.3),('Qatar',15.2),
('Mexico',12.9),('Algeria',11.4),('Brazil',11.2), ('Kazakhstan',9.0),
('Norway',7.7),('Azerbaijan',7.0),
('India',5.8),('Rest of World',68.1))
</source>
Его элементами является список пар вида (страна, запасы нефти).
Для выборки данных из таких структур язык программирования ''Python''
имеет специальный синтаксис. Так, для получения списка стран можно
использовать следующую конструкцию:
<source lang=python>
labels=[x[0] for x in OilReservesbyCountry]#Получаем список стран
</source>
Совершенно аналогично можно выбрать и второй элемент (запасы нефти):
<source lang=python>
dataY1=[x[1] for x in OilReservesbyCountry]
</source>
Для рисования диаграммы будем использовать следующие цвета:
<source lang=python>
#цвета
cl_background='#E8D6BB'#фон
cl_grid='#330000'#линии сетки
cl_bars=('#330000','#660000','#993300','#996600','#CC6600','#CC6666','#CC9900',
'#CC9966','#CCCC99','#CCCC00','#C9A24B','#94AB27','#8A8B75','#8A725E','#A080A4',
'#9C8BBF','#969CE7', '#976CD1','#983BBA','#A92998','#AAAA9A','#EFBEAA','#CCCC66')
</source>
Cобственно отрисовку диаграммы вынесем в метод класса '''drawbarchart''':
<source lang=python>
def draw_barchart(self,NumChart,Title,DataSource,YLabel):
'''метод создает столбцовую диаграмму
параметры :
numChart- номер диаграммы
Title- заголовок
DataSource- исходные данные
YLabel-метка для оси Y
'''
</source>
Теперь можно создать экземпляр класса '''subplot''':
<source lang=python>
self.subplot=self.figure1.add_subplot(2,2,NumChart,axisbg=cl_background)#
self.figure1.subplots_adjust(left=0.1,bottom=0.05,hspace=0.9)
self.subplot.set_title(Title,fontsize=14)
</source>
Далее нужно подготовить исходные данные для диаграммы и вызывать метод '''bar''' класса '''subplot''', который, собственно, и рисует столбцовую диаграмму. Параметр '''width''' задает процент заполнения столбцом
отведенного ему прямоугольника по ширине. В нашем примере каждый
столбец будет занимать 75 % от максимально возможной ширины:
<source lang=python>
#массивы значений для оси X
X=arange(len(DataSource))
dataY=[x[1] for x in DataSource ]
width = 0.75
barchart= self.subplot1.bar(X1, dataY1, width)
</source>
Теперь осталось только настроить диграмму:
<source lang=python>
self.subplot.set_axisbelow(True)#координатную сетку на задний план
self.subplot.grid(True)# координатную сетку рисовать
self.subplot.set_xlim(-1,len(X)+1)# Максимальные и минимальные значения по оси X
labels=[x[0] for x in DataSource] # Список меток оси х
self.subplot.set_xticks(X+width/2.,) # Местополжение меток строго по центру столбца
self.subplot.set_xticklabels(labels,rotation=90) # установить метки для оси X, повернуть их на 90 градусов
self.subplot.set_ylabel(YLabel) # название оси Y
</source>
Для каждого столбца диаграммы мы устанавливаем цвет из списка '''cl_bars''':
<source lang=python>
indcolor=0
for bar in barchart: #
bar.set_facecolor(cl_bars[indcolor])
indcolor=indcolor+1
</source>
Круговая диаграмма создается тремя строчками кода с вызовом метода pie класса '''Subplot'''. Параметры этого метода, на мой взгляд,
самоочевидны.
<source lang=python>
self.subplot3=self.figure1.add_subplot(2,2,3)#
self.subplot3.set_title(u'Доля России в мировых запасах',fontsize=14)
self.subplot3.pie(RussiaPartOilReserves,labels=(u'Россия',u'прочие\n страны '),
autopct = '%1.1f%%',explode=(0.2,0.2),colors=('#C9A24B','#CCCC99'), shadow=True)
</source>
Вид нашей тестовой программы приведен на рисунке. Как можно
видеть, Россия имеет не такую уж значительную долю в мировых запасах нефти, при этом добывается огромное количество сырья на экспорт. Это означает, что наше правительство должно проводить политику сокращения добычи экспортной нефти и использовать текущие
доходы для развития других экспортных (несырьевых) возможностей нашей страны.

===Настройка диаграммы===

В предыдущих примерах мы задавали параметры оформления диаграмм (такие как цвет линий и фона, шрифты и т.д.) с помощью вызова методов различных классов. Тем самым мы неявно переопределяли параметры, заданные в '''.Matplotlibrc'''. Но есть и другой путь: переопределить нужные значения конфигурационного файла '''Matplotlibrc''' всего
один раз. Это намного удобнее, чем задавать многочисленные настройки с помощью параметров различных методов классов, и позволяет
сократить код в том случае, если приходится создавать несколько диаграммами и хочется иметь одинаковый внешний вид.

Решение этой задачи оказывается на редкость простым. Нужно всего-навсего импортировать из модуля ''Matplotlib'' функцию с именем '''rc''':

from matplotlib import rc

Эта магическая функция позволяет переопределить любые параметры '''Matplotlibrc''' в простой и наглядной форме:

rc('xtick', labelsize=12,color='white',direction='out') # x tick labels
rc('lines', lw=0.5, color='#FFCF00') # thicker black lines
rc('grid', c='#FFCF00', lw=0.5) # solid gray grid lines
rc('text', color='#FFCF00')
rc('axes', labelcolor='#FFCF00') # axes сolor
rc('xtick', color='#FFCF00') # color of the tick labels
rc('ytick', color='#FFCF00') # color of the tick labels

===И напоследок...===

''Matplotlib'' имеет множество функций, не описанных в данной статье. На сайте разработчиков можно найти многочисленные примеры
практического использования пакета для визуализации самых разнообразных данных. Все, чем мы пользовались в наших примерах – язык
программирования ''Python, GTK+, PyGTK'' и ''Matplotlib'' – распространяется под свободными лицензиями.

И, наконец, в качестве бонуса для самых любознательных отмечу,
что все примеры из данной статьи (как и подавляющее количество примеров, распространяемых вместе с библиотекой) без каких-либо модификаций работают в Microsoft Windows XP/2000/2003, а все необходимые для этого ингредиенты можно найти в откомпилированном виде.
Переносимость, особенно задаром – это плюс, не так ли? '''LXF'''

=== Полезные ссылки===
* http://www.python.org – официальный сайт ''Python''. Здесь вы можете найти документацию и самую важную информацию об этом замечательном языке программирования.
* http://www.pygtk.org – интерфейс к ''GTK+'' для языка программирования ''Python''. Особую ценность представляет FAQ по использованию ''PyGTK''.
* http://numpy.scipy.org/ – библиотека численных методов ''NumPу. Matplotlib'' использует эту библиотеку и без нее не работает.
* http://Matplotlib.sourceforge.net/ – сайт библиотеки ''Matplotlib'': документация, примеры и FAQ.

LXF103:Диаграммы – это просто! - История изменений

Crazy Rebel: викификация, оформление, иллюстрация