使用正确的图表理解数据（三）：创建火柴杆图

7.4创建火柴杆图

一个二维的火柴杆图（stem plot）把数据显示为沿x轴的基线延伸的线条。圆圈（默认值）或者其他标记表示每个杆的结束，其y

轴表示了数据值。

本节将讨论如何创建火柴杆图。

不要把火柴杆图和茎叶图（stem and leaf plot）混淆，茎叶图是把最不重要的数值表示为叶，把较高位的值表示为茎的一种数据表现方法，如图7-4所示。

7.4.1 准备工作

我们将使用一个离散值序列来绘制火柴杆图，这种离散的数据用普通的线性图表是无法展示的。

绘制离散序列的火柴杆图，数据值表示为每个杆末端的标记。从基线（通常在y= 0处）延伸到数据值点的线称为杆。

7.4.2 操作步骤

我们将使用matplotlib的stem()函数绘制火柴杆图。这个函数可以只使用一系列的y值，x值为生成的一个从0到len(y)-1的简单序列。如果把x和y序列都提供给stem()函数，该函数会把它们用于两个坐标轴。

我们要为火柴杆图配置下面的一些格式器。

¡linefmt：杆线的线条格式器。

¡markerfmt：火柴杆线条末端的标记用该参数格式化。

¡basefmt：规定基线的外观。

¡label：设置火柴杆图图例的标签。

¡hold：把所有当前图形放在当前坐标轴上。

¡bottom：在y轴方向设置基线位置，默认值为0。

参数hold是图表的一个常见的特性。如果它是打开状态（True），接下来的所有图表都会被添加到当前坐标轴上。否则，每一个图形会创建新的图表和坐标轴。

执行下面的步骤来创建一个火柴杆图。

（1）生成随机噪声数据。

（2）设置火柴杆参数。

（3）绘制火柴杆。

下面是相应的代码。

import matplotlib.pyplot as plt
import numpy as np
# time domain in which we sample
x = np.linspace(0, 20, 50)
# random function to simulate sampled signal
y = np.sin(x + 1) + np.cos(x ** 2)
# here we can setup baseline position
bottom = -0.1
# True -- hold current axes for further plotting
# False -- opposite. clear and use new figure/plot
hold = False
# set label for legend.
label = "delta"
markerline, stemlines, baseline = plt.stem(x, y, bottom=bottom,
label=label, hold=hold)
# we use setp() here to setup
# multiple properties of lines generated by stem()
plt.setp(markerline, color='red', marker='o')
plt.setp(stemlines, color='blue', line)
plt.setp(baseline, color='grey', linewidth=2, line)
# draw a legend
plt.legend()
plt.show()

以上代码生成的图形如图7-5所示。

7.4.3 工作原理

首先我们需要准备一些数据。对于本节来说，生成的伪采样信号已经够用了。在真实世界里，任何离散序列数据都适合用火柴杆图来呈现。我们用Numpy的numpy.linspace、numpy.cos和numpy.sin函数生成该信号。然后，设置火柴杆图的标签和基线的位置，基线位置的默认值为0.0。

如果想要绘制多个火柴杆图，可以将hold的值设置为True，这样所有火柴杆图将会被渲染在相同的坐标轴中。调用matplotlib.stem会返回3个对象。第一个是markerline，它是一个Line2D的实例，保存了表示火柴杆本身的线条的引用。它仅仅渲染了标记，不包括连接标记的线条。可以通过编辑该Line2D实例的属性让线条可见，操作步骤会在后面讲解。最后一个对象baseline也是一个Line2D实例，保存了表示stemlines原点的水平线条的引用。返回的第二个对象是stemlines，它表示茎线的Line2D实例的集合（目前是Python列表）。

通过setp函数把属性应用到这些对象或这些对象集合的所有的线条（Line2D实例）上，我们用返回的对象来处理火柴杆图的可视化需求。

你可以尝试一些设置，来理解setp是如何改变图形风格的。