Matlab数据可视化（2）：基础篇 II

五. 添加图例

（源代码legends.m）

在图像包含较多图形时，适当的图例对快速、正确的理解图像反映的信息是必不可少的。以下一个实例可以说明精心设计图例的重要性。

我们在一幅图像中，同时绘出10个不同均值和方差的正态分布曲线。数据可以由如下代码生成，或直接加载10NormalDistributions.mat

[plain] view plain copy

% stdVect and meanVect
stdVect = [.49,.26,.93,.47,.25,.43,.7,.4,.18,.86];
meanVect = [-.8,-.62,-.44,-.27,-.09,.09,.27,.44,.62,.8];
% 正态分布数据，每行一个
t = -1:.02:1;
dataVect = ones(10,length(t));
for i=1:10
dataVect(i,:) = (1/sqrt(2*pi)/stdVect(i))*...
exp(-(t-meanVect(i)).^2/(2*stdVect(i)^2));
end
% 图例说明
legendMatrix = cell(1,10);
for i = 1:10
legendMatrix{i} = [sprintf( 'mean = %.2f, std = %.2f',...
meanVect(i),stdVect(i) )];
end
legend(legendMatrix);
save('10NormalDistribution.mat', 'stdVect','meanVect',...
'dataVect','legendMatrix');
clear;

1、首先，我们不加额外处理的使用图例。（图1）显然，这幅图的可读性非常差，我们很难将参数和图形对应起来，有的曲线颜色甚至还相同！

[plain] view plain copy

% 加载数据 meanVect stdVect legendMatrix
load 10NormalDistributions;
% 绘图
plot(dataVect');
xlim([0,100]);
% 添加标注
title({'10种不同的正态分布','图例不缺乏清晰度','颜色区分也不明显!'},'Color',[1 0 0]);
xlabel('x');
ylabel('x的概率密度函数');

图1

2、我们通过改变曲线的颜色（color）、线型（line style）和标志（marker）的方式增加可读性，并将图例放置在图像外边。（图2）

[plain] view plain copy

% 为不同曲线生成不同的设置
LineStyles = {'-','--',':'};
MarkerSpecs = {'+','o'};
ColorSpecs = {'r','g','b','k'};
cnt = 1;
for i = 1:length(LineStyles)
for j = 1:length(MarkerSpecs)
for k = 1:length(ColorSpecs)
LineSpecs{cnt} = [LineStyles{i} MarkerSpecs{j} ...
ColorSpecs{k}];
cnt = cnt+1;
end
end
end
figure; hold on;
for i = 1:10
plot(dataVect(i,:), LineSpecs{i});
end
xlim([0 100]);
title({'10种不同的正态分布','使用不同的颜色和线型','可读性大大提高'});
xlabel('x'); ylabel('x的概率密度函数');
legend(legendMatrix,'Location','NorthEastOutside',...
'Fontsize',8);
box on;

图2

3、有时候，我们可能会将图形分组。由于每执行一次绘图任务，legend的计数就会增加1，因此，在这种情况下，我们可以通过如下方式来减少图例数量。（图3）

[plain] view plain copy

% 合并图例
figure; hold;
h1 = plot(dataVect(1:6,:)','rd-','Color',[1 0 0]);
h2 = plot(dataVect(7:10,:)','k*--','Color',[0 0 0]);
xlim([0 100]);
h = legend([h1(1),h2(1)],['Color 1' char(10) 'first 6 curves'],...
['Color 2' char(10) 'remaining 4 curves'],...
'Location','Best');
% 提高可读性，将图例字体颜色调整为与图形颜色一致
% 注意：每两个为一组，分别代表直线、标号和文字的颜色的属性，且顺序与所表示的图形顺序相反，即第一个绘制的图形的图例出现在数组的最后3个
c = get(h,'Children');
set(c(1:3),'Color',[0,0,0]);
set(c(4:6),'Color',[1,0,0]);

图3

4、利用legendlex优化图例。（图4）

legendfex为我们提供了更加灵活的调整图例格式的功能。得用legendflex，我们不但可以调整说明的布局（指定分几行或几列显示），还可以单独调整图标和文字的大小，设定图例相对于任何对象的位置（原始legend限于坐标轴）。利用 legendflex ，我们还可以为图例添加小标题。legendflex可从之里下载。

[plain] view plain copy

figure('units','normalized','position',...
[ 0.4172 0.1769 0.3 0.5]);
hold on;
for i = 1:10
h(i) = plot(dataVect(i,:), LineSpecs{i});
end
xlim([0 100]);
legendflex(h,... %handle to plot lines
legendMatrix,... %corresponding legend entries
'ref', gcf, ... %which figure
'anchor', {'nw','nw'}, ... %location of legend box
'buffer',[30 -5], ... %an offset wrt the location
'nrow',4, ... %number of rows
'fontsize',8,... %font size
'xscale',.5); %a scale factor for actual symbols
title({'应用legendflex优化图像显示','可以调整相对位置、布局，字体及图标大小'});
xlabel('x'); ylabel('x的概率密度函数');

图4

六. 通过数据变换突出细节特征

（源代码trans.m）

有些数据通过一定的变换后，更便于可视化，也更容易发现隐藏的信息。

1、绘制一幅双Y轴图（图5）

[plain] view plain copy

%% 生成数据
x = 1:50;
r = 5e5;
E = [ones(1,30) linspace(1,0,15) zeros(1,5)];
y1 = r * (1+E).^x;
%% 绘制又Y轴图形
y2 = log(y1);
axes('position',[0.1300 0.1100 0.7750 0.7805]);
[AX,H1,H2] = plotyy(x,y1,x,y2,'plot');
title({'利用对数变换增强数据','增长、稳定、衰减的可视化效果'});
set(get(AX(1),'Ylabel'),'String','data');
set(get(AX(2),'Ylabel'),'String','log(data)');
xlabel('x'); set(H1,'LineStyle','--'); set(H2,'LineStyle',':');
%% 添加标注
annotation('textarrow',[.26 .28],[.67,.37],'String',['指数增长' char(10) '(1到30周期)']);
annotation('textarrow',[.7 .7],[.8,.64],'String',['非指数衰减' char(10) '(30到45周期)']);
annotation('textarrow',[.809 .859],[.669,.192],'String',['稳定' char(10) '(45到50周期)']);
legend({'原始数据','对数变换后的数据'},'Location','Best');
set(gcf,'Paperpositionmode','auto','Color',[1 1 1]);

图5

2、在数字较大时，matlab会默认采用科学计数法，有时这可能不是我们想要的，我们可以通过如下方式处理。（图6）

[plain] view plain copy

%% 关闭科学记数法格式
% 改变图像大小
set(gcf,'units','normalized','position',[0.0411 0.5157 0.7510 0.3889]);
% AX(1) 存储的是原始数据的句柄
title({'利用对数变换增强数据','增长、稳定、衰减的可视化效果','关闭科学计数法格式'});
n=get(AX(1),'Ytick');
set(AX(1),'yticklabel',sprintf('%d |',n'));

图6

3、通过缩放坐标轴达到变换的目的

上边实例中，我们通过对原始数据进行取对数操作达到变换的效果。由于对数操作的常用性，Matlab允许我们直接对X和Y轴进行对数缩放。semilogx、semilogy、loglog可以分别对X轴、Y轴和XY轴进行对数缩放。这也可以通过设置坐标轴的xscale和yscale属性实现。

[plain] view plain copy

%% 直接利用 semilogx, semilogy, loglog
figure;
subplot(2,1,1);
semilogy(x,y1);
xlabel('x');
ylabel('取对数后数据');
title({'MATLAB的semilogy函数',...
'直接将Y轴对数缩放后显示'});
subplot(2,1,2);
plot(x,y1);
set(gca,'yscale','log');
xlabel('x');
ylabel('取对数后的数据');
title({'使用常规的plot进行绘图','然后通过理性属性达到相同目的'});

图7

七. 多图的绘制

（源代码subfig.m）

1、常规子图的绘制

我们利用苹果公司2011年度每日股票交易数据为例，绘制包括开盘价、最高价、最低价、收盘价、成交量和临近收盘价在内的6个趋势图。

首先加载数据

[plain] view plain copy

%% 加载数据并按时间先后顺序排列
[AAPL dateAAPL] = xlsread('AAPL_090784_012412.csv');
dateAAPL = datenum({dateAAPL{2:end,1}});
dateAAPL = dateAAPL(end:-1:1);
AAPL = AAPL(end:-1:1,:);
% 选择时间窗口（2011年全年）
rangeMIN = datenum('1/1/2011');
rangeMAX = datenum('12/31/2011');
idx = find(dateAAPL >= rangeMIN & dateAAPL <= rangeMAX);

然后，通过subplot命令绘图（图8）

[plain] view plain copy

%% 使用subplot绘图命令绘制常规子图网格
% 注意设置各个子图的标题内容的title命令的位置
figure('units','normalized','position',[ 0.0609 0.0593 0.5844 0.8463]);
matNames = {'开盘价','最高价','最低价','收盘价','成交量','临近收盘价'};
for i = 1:6
subplot(3,2,i);
plot(idx,AAPL(idx,i));
if i~=5
title([matNames{i} ' $, subplot(3,2,' num2str(i) ')'],'Fontsize',12,'Color',[1 0 0 ]);
ylabel('美元');
else
title([matNames{i} ' vol, subplot(3,2,' num2str(i) ')'],'Fontsize',12,'Color',[1 0 0 ]);
ylabel('成交量');
end
set(gca,'xtick',linspace(idx(1),idx(end),12),'xticklabel',...
datestr(linspace(dateAAPL(idx(1)),dateAAPL(idx(end)),12),...
'mm'),'Fontsize',10,'fontweight','bold');
rotateXLabels(gca,40);
box on; axis tight
end
% 添加总标题
annotation('textbox',[ 0.37 0.96 0.48 0.03],'String','2011年度苹果公司股价趋势','Fontsize',14,'Linestyle','none');

图8

2、进阶篇

我们可以自定义子图的布局，并且子图可以是任何一种图形。下面我们绘制包括3个垂直排列的子图（由上而下编号1、2、3）的图像（如图9）。子图1展示选定时间窗口内的股价走势，子图2展示相同时期内的成交量，子图3则显示全部时间内股价的变化情况。

图9

子图1是一个面积图，可通过area命令绘制。

[plain] view plain copy

%% 自定义子图布局
figure('units','normalized','Position',[ 0.0427 0.2102 0.6026 0.6944]);
%% 子图1显示收盘价随时间的变化趋势
% 设置坐标轴位置
Panel1 = axes('Position',[ 0.0570 0.5520 0.8850 0.3730]);hold;
% 绘制面积图
area(AAPL(idx,4),'FaceColor',[188 210 238]/255,'edgecolor',[54 100 139 ]/255);
% 设置坐标轴相关参数
xlim([1 length(idx)]);
yminv = min(AAPL(idx,4))-.5*range(AAPL(idx,4));
ymaxv = max(AAPL(idx,4))+.1*range(AAPL(idx,4));
ylim([yminv ymaxv]);
box on;
% 绘制网格线
set(gca,'Ticklength',[0 0],'YAxisLocation','right');
line([linspace(1,length(idx),15);linspace(1,length(idx),15)],[yminv*ones(1,15); ymaxv*ones(1,15)],'Color',[.9 .9 .9]);
line([ones(1,10); length(idx)*ones(1,10)],[linspace(yminv, ymaxv,10); linspace(yminv, ymaxv,10);],'Color',[.9 .9 .9]);
% 设置注解
set(gca,'xtick',linspace(1,length(idx),10),'xticklabel',datestr(linspace(dateAAPL(idx(1)),dateAAPL(idx(end)),10),'ddmmmyy'));
title({'苹果公司股票价格,','(选定时间窗口内细节展示)'},'Fontsize',12);

子图2是一个条形图，可通过bar命令绘制。

[plain] view plain copy

%% 子图2展示相同时间段内成交量的变化情况
% 设置坐标轴位置
Panel2 = axes('Position',[ 0.0570 0.2947 0.8850 0.1880]);
% 用条形图绘图
bar(1:length(idx), AAPL(idx,5),.25,...
'FaceColor',[54 100 139 ]/255);
hold; xlim([1 length(idx)]);hold on;
% 添加网格线
yminv = 0;
ymaxv = round(max(AAPL(idx,5)));
line([linspace(1,length(idx),30);...
linspace(1,length(idx),30)],...
[yminv*ones(1,30); ymaxv*ones(1,30)],...
'Color',[.9 .9 .9]);
line([ones(1,5); length(idx)*ones(1,5)],...
[linspace(yminv, ymaxv,5); ...
linspace(yminv, ymaxv,5);],'Color',[.9 .9 .9]);
ylim([yminv ymaxv]);
% 设置特殊的时间刻度
set(gca, 'Ticklength',[0 0],...
'xtick',linspace(1,length(idx),10),'xticklabel',...
datestr(linspace(dateAAPL(idx(1)),dateAAPL(idx(end)),10),...
'ddmmmyy'));
tickpos = get(Panel2,'ytick')/1000000;
for i = 1:numel(tickpos)
C{i} = [num2str(tickpos(i)) 'M'];
end
set(Panel2,'yticklabel',C,'YAxisLocation','right');
text(0,1.15*ymaxv,'成交量','VerticalAlignment','top',...
'Color',[54 100 139 ]/255,'Fontweight','bold');

子图3是也一个面积图，其中选定时间段被高亮，这是通过在大图上叠加绘制一个与子图1相同颜色的小得到。

[plain] view plain copy

%% 子图3展示全部时间段内股价变化情况，其中被选中的时间窗口高亮显示
Panel3 = axes('Position',[0.0570 0.1100 0.8850 0.1273]);
area(dateAAPL, AAPL(:,4),'FaceColor',[234 234 234 ]/255,'edgecolor',[.8 .8 .8]); hold;
line([min(idx) min(idx)],get(gca,'ylim'),'Color','k');
line([max(idx) max(idx)],get(gca,'ylim'),'Color','k');
set(gca,'Ticklength',[0 0]);
% 相同颜色重新绘制时间窗口内的趋势
area(dateAAPL(idx),AAPL(idx,4),'FaceColor',[188 210 238]/255,'edgecolor',[54 100 139 ]/255);
ylim([min(AAPL(:,4)) 1.1*max(AAPL(:,4))]);
xlabel('长期股价走势');
line([min(get(gca,'xlim')) min(get(gca,'xlim'))],get(gca,'ylim'),'Color',[1 1 1]);
line([max(get(gca,'xlim')) max(get(gca,'xlim'))],get(gca,'ylim'),'Color',[1 1 1]);
line(get(gca,'xlim'),[max(get(gca,'ylim')) max(get(gca,'ylim'))],'Color',[1 1 1]);
line(get(gca,'xlim'),[min(get(gca,'ylim')) min(get(gca,'ylim'))],'Color',[1 1 1]);
set(gca,'xticklabel',datestr(get(gca,'xtick'),'yyyy'),'yticklabel',[]);

八. 可视化直观地比较实验结果

(源代码comparison.m)

这涉及多种方法的对比实验中，选择适当的方式进行可视化分析，有助于我们快速、直观地对各种方法的优劣进行评判。我们以五种聚类算法在5个测试集上的实验结果为数据，通过绘图对其进行比较。

我们已经知道，matlab自带有多种配色方案（colormap）可供选择，我们还可以自定义配色方案。为了保证配色的友好性和易区分性，我们可以通过在线工具color brewer（http://colorbrewer2.org/），对配色进行测试，辅助我们找到比较好的方案。

图10

[plain] view plain copy

%% 定义可视化方案
% 设定图像大小和位置
figure('units','normalized','Position',[ 0.0880 0.1028 0.6000 0.6352]);
% 绘制一个隐藏的坐标轴，其X轴刻度标签列出进行比较的五种算法的名称
hh = axes('Position',[.1,.135,.8,.1]);
set(gca,'Visible','Off','TickLength',[0.0 0.0],'TickDir','out','YTickLabel','','xlim',[0 nosOfMethods],'FontSize',11,'FontWeight','bold');
set(gca,'XTick',.5:nosOfMethods-.5,'XTickLabel',{'K Means','Fuzzy C Means','Hierarchical','Maximize Expectation','Dendogram'});
catgeoryLabels = {'Fresh Tissue','FFPE','Blood','DNA','Simulated'};
rotateXLabels(gca,20);
% 将Y轴长等分为五份，分别分配给5个测试集结果
y = linspace(.142,.75,nosOfCategories);
% Place an axes for creating each row dedicated to a sample
% category. The height of the axes corresponds to the total
% number of samples in that category.
%
for i = 1 :nosOfCategories
if CategoryTotals(i); ylimup = CategoryTotals(i); else ylimup = 1; end
dat = [MethodPerformanceNumbers(i,:)];
h(i) = axes('Position',[.1,y(i),.8,y(2)-y(1)]);
set(gca,'XTickLabel','','TickLength',[0.0 0.0],'TickDir','out','YTickLabel','','xlim',[.5 nosOfMethods+.5],'ylim',[0 ylimup]);
% Use the line command to create bars representing the number of successes
% in each category using colour scheme defined at the beginning of this recipe
line([1:nosOfMethods; 1:nosOfMethods],[zeros(1,nosOfMethods); dat],'Color',Colors(i,:),'Linewidth',7);box on;
% Place the actual number as a text next to the bar
for j= 1:nosOfMethods
if dat(j); text(j+.01,dat(j)-.3*dat(j),num2str(dat(j)),'Rotation',20,'FontSize',13); end
end
% Add the category label
ylabel([catgeoryLabels{i} char(10) '#Samples' char(10) ' = ' num2str(ylimup) ],'Fontsize',11);
end
% Add annotations
title('5种聚类算法成功的次数','Fontsize',14,'Fontweight','bold');
axes(h(3));
text(-0.02,-80,'聚类算法在不同数据集上的表现','rotation',90,'Fontsize',14,'Fontweight','bold');

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。