go知识手册（Go每日一库之plot）

Go 每日一库之 plot

简介

本文介绍 Go 语言的一个非常强大、好用的绘图库——plot。plot内置了很多常用的组件，基本满足日常需求。同时，它也提供了定制化的接口，可以实现我们的个性化需求。plot主要用于将数据可视化，便于我们观察、比较。

快速使用

先安装：

$ go get gonum.org/v1/plot/... 复制代码

后使用：

package main import ( "log" "math/rand" "gonum.org/v1/plot" "gonum.org/v1/plot/plotter" "gonum.org/v1/plot/plotutil" "gonum.org/v1/plot/vg" ) func main() { rand.Seed(int64(0)) p, err := plot.New() if err != nil { log.Fatal(err) } p.Title.Text = "Get Started" p.X.Label.Text = "X" p.Y.Label.Text = "Y" err = plotutil.AddLinePoints(p, "First", randomPoints(15), "Second", randomPoints(15), "Third", randomPoints(15)) if err != nil { log.Fatal(err) } if err = p.Save(4*vg.Inch, 4*vg.Inch, "points.png"); err != nil { log.Fatal(err) } } func randomPoints(n int) plotter.XYs { points := make(plotter.XYs, n) for i := range points { if i == 0 { points[i].X = rand.Float64() } else { points[i].X = points[i-1].X rand.Float64() } points[i].Y = points[i].X 10 * rand.Float64() } return points } 复制代码

程序运行输出points.png图片文件：

plot的使用比较直观。首先，调用plot.New()创建一个“画布”，画布结构如下：

// Plot is the basic type representing a plot. type Plot struct { Title struct { Text string Padding vg.Length draw.TextStyle } BackgroundColor color.Color X, Y Axis Legend Legend plotters []Plotter } 复制代码

然后，通过直接给画布结构字段赋值，设置图像的属性。例如p.Title.Text = "Get Started设置图像标题内容；p.X.Label.Text = "X"，p.Y.Label.Text = "Y"设置图像的 X 和 Y 轴的标签名。

再然后，使用plotutil或者其他子包的方法在画布上绘制，上面代码中调用AddLinePoints()绘制了 3 条折线。

最后保存图像，上面代码中调用p.Save()方法将图像保存到文件中。

更多图形

gonum/plot将不同层次的接口封装到特定的子包中：

• plot：提供了布局和绘图的简单接口；
• plotter：使用plot提供的接口实现了一组标准的绘图器，例如散点图、条形图、箱状图等。可以使用plotter提供的接口实现自己的绘图器；
• plotutil：为绘制常见图形提供简便的方法；
• vg：封装各种后端，并提供了一个通用矢量图形 API。

条形图

条形图通过相同宽度条形的高度或长短来表示数据的大小关系。将相同类型的数据放在一起比较能非常直观地看出不同，我们经常在比较几个库的性能时使用条形图。下面我们采用json-iter/go的 GitHub 仓库中用来比较jsoniter、easyjson、std三个 JSON 库性能的数据来绘制条形图：

package main import ( "log" "gonum.org/v1/plot" "gonum.org/v1/plot/plotter" "gonum.org/v1/plot/plotutil" "gonum.org/v1/plot/vg" ) func main() { std := plotter.Values{35510, 1960, 99} easyjson := plotter.Values{8499, 160, 4} jsoniter := plotter.Values{5623, 160, 3} p, err := plot.New() if err != nil { log.Fatal(err) } p.Title.Text = "jsoniter vs easyjson vs std" p.Y.Label.Text = "" w := vg.Points(20) stdBar, err := plotter.NewBarChart(std, w) if err != nil { log.Fatal(err) } stdBar.LineStyle.Width = vg.Length(0) stdBar.Color = plotutil.Color(0) stdBar.Offset = -w easyjsonBar, err := plotter.NewBarChart(easyjson, w) if err != nil { log.Fatal(err) } easyjsonBar.LineStyle.Width = vg.Length(0) easyjsonBar.Color = plotutil.Color(1) jsoniterBar, err := plotter.NewBarChart(jsoniter, w) if err != nil { log.Fatal(err) } jsoniterBar.LineStyle.Width = vg.Length(0) jsoniterBar.Color = plotutil.Color(2) jsoniterBar.Offset = w p.Add(stdBar, easyjsonBar, jsoniterBar) p.Legend.Add("std", stdBar) p.Legend.Add("easyjson", easyjsonBar) p.Legend.Add("jsoniter", jsoniterBar) p.Legend.Top = true p.NominalX("ns/op", "allocation bytes", "allocation times") if err = p.Save(5*vg.Inch, 5*vg.Inch, "barchart.png"); err != nil { log.Fatal(err) } } 复制代码

首先生成值列表，我们在最开始的例子中生成了二维坐标列表plotter.XYs，实际上还有三维坐标列表plotter.XYZs。

然后，调用plotter.NewBarChart()分别为三组数据生成条形图。w = vg.Points(20)用来设置条形的宽度。LineStyle.Width设置线宽，这个实际上是边框的宽度。Color设置颜色。Offset设置偏移，因为每组对应位置的条形放在一起显示更好比较，将stdBar.Offset设置为-w会让其向左偏移一个条形的宽度；easyjson偏移不设置，默认为 0，不偏移；jsoniter偏移设置为w，向右偏移一个条形的宽度。最终它们紧挨着显示。

然后，将 3 个条形图添加到画布上。紧接着，设置它们的图例，并将其显示在顶部。

最后调用p.Save()保存图片。

程序运行生成下面的图片：

可以很直观地看到jsoniter的性能、内存占用、内存分配次数各方面都是顶尖的。可能用同一种维度的数据，数量级相差不大，图像会好看点(┬＿┬)。

注意plotter.Color(2)这类用法。plot预定义了一组颜色值，如果我们想要使用它们，可以直接传入索引获取对应的颜色，更多的是为了区分不同的图形（例如上面的 3 个条形图用了 3 个不同的索引）：

// src/gonum.org/v1/plot/plotutil/plotutil.go var DefaultColors = SoftColors var SoftColors = []color.Color{ rgb(241, 90, 96), rgb(122, 195, 106), rgb(90, 155, 212), rgb(250, 167, 91), rgb(158, 103, 171), rgb(206, 112, 88), rgb(215, 127, 180), } func Color(i int) color.Color { n := len(DefaultColors) if i < 0 { return DefaultColors[i%n n] } return DefaultColors[i%n] } 复制代码

除了颜色，还有形状plotter.Shape(i)和划线模式plotter.Dashes(i)。

vg.Length(0)有所不同，这个只是将 0 转换为vg.Length类型！

函数图像

plot可以绘制函数图像！

func main() { p, err := plot.New() if err != nil { log.Fatal(err) } p.Title.Text = "Functions" p.X.Label.Text = "X" p.Y.Label.Text = "Y" square := plotter.NewFunction(func(x float64) float64 { return x * x }) square.Color = plotutil.Color(0) sqrt := plotter.NewFunction(func(x float64) float64 { return 10 * math.Sqrt(x) }) sqrt.Dashes = []vg.Length{vg.Points(1), vg.Points(2)} sqrt.Width = vg.Points(1) sqrt.Color = plotutil.Color(1) exp := plotter.NewFunction(func(x float64) float64 { return math.Pow(2, x) }) exp.Dashes = []vg.Length{vg.Points(2), vg.Points(3)} exp.Width = vg.Points(2) exp.Color = plotutil.Color(2) sin := plotter.NewFunction(func(x float64) float64 { return 10*math.Sin(x) 50 }) sin.Dashes = []vg.Length{vg.Points(3), vg.Points(4)} sin.Width = vg.Points(3) sin.Color = plotutil.Color(3) p.Add(square, sqrt, exp, sin) p.Legend.Add("x^2", square) p.Legend.Add("10*sqrt(x)", sqrt) p.Legend.Add("2^x", exp) p.Legend.Add("10*sin(x) 50", sin) p.Legend.ThumbnailWidth = 0.5 * vg.Inch p.X.Min = 0 p.X.Max = 10 p.Y.Min = 0 p.Y.Max = 100 if err = p.Save(4*vg.Inch, 4*vg.Inch, "functions.png"); err != nil { log.Fatal(err) } } 复制代码

首先调用plotter.NewFunction()创建一个函数图像。它接受一个函数，单输入参数float64，单输出参数float64，故只能画出单自变量的函数图像。接着为函数图像设置了三个属性Dashes（划线）、Width（线宽）和Color（颜色）。默认使用连续的线条来绘制函数，如图中的平方函数。可以通过设置Dashes让plot绘制不连续的线条，Dashes接受两个长度值，第一个长度表示间隔距离，第二个长度表示连续线的长度。这里也使用到了plotutil.Color(i)依次使用前 4 个预定义的颜色。

创建画布、设置图例这些都与前面的相同。这里还通过p.X和p.Y的Min/Max属性限制了图像绘制的坐标范围。

运行程序生成图像：

气泡图

使用plot可以画出非常好看的气泡图：

func main() { n := 10 bubbleData := randomTriples(n) minZ, maxZ := math.Inf(1), math.Inf(-1) for _, xyz := range bubbleData { if xyz.Z > maxZ { maxZ = xyz.Z } if xyz.Z < minZ { minZ = xyz.Z } } p, err := plot.New() if err != nil { log.Fatal(err) } p.Title.Text = "Bubbles" p.X.Label.Text = "X" p.Y.Label.Text = "Y" bs, err := plotter.NewScatter(bubbleData) if err != nil { log.Fatal(err) } bs.GlyphStyleFunc = func(i int) draw.GlyphStyle { c := color.RGBA{R: 196, B: 128, A: 255} var minRadius, maxRadius = vg.Points(1), vg.Points(20) rng := maxRadius - minRadius _, _, z := bubbleData.XYZ(i) d := (z - minZ) / (maxZ - minZ) r := vg.Length(d)*rng minRadius return draw.GlyphStyle{Color: c, Radius: r, Shape: draw.CircleGlyph{}} } p.Add(bs) if err = p.Save(4*vg.Inch, 4*vg.Inch, "bubble.png"); err != nil { log.Fatal(err) } } func randomTriples(n int) plotter.XYZs { data := make(plotter.XYZs, n) for i := range data { if i == 0 { data[i].X = rand.Float64() } else { data[i].X = data[i-1].X 2*rand.Float64() } data[i].Y = data[i].X 10*rand.Float64() data[i].Z = data[i].X } return data } 复制代码

我们生成一组三维坐标点，调用plotter.NewScatter()生成散点图。我们设置了GlyphStyleFunc钩子函数，在绘制每个点之前都会调用它，它返回一个draw.GlyphStyle类型，plot会根据返回的这个对象来绘制。我们的例子中，每次我们都返回一个表示圆形的draw.GlyphStyle对象，通过Z坐标与最大、最小坐标的比例映射到[vg.Points(1)，vg.Points(20)]区间中得到半径。

生成的图像：

同样地，我们可以返回正方形的draw.GlyphStyle的对象来绘制“方形图”，只需要把钩子函数GlyphStyleFunc的返回语句做些修改：

return draw.GlyphStyle{Color: c, Radius: r, Shape: draw.SquareGlyph{}} 复制代码

即可绘制“方形图”：

实际应用

下面我们应用之前文章中介绍的gopsutil和本文中的plot搭建一个网页，可以实时观察机器的 CPU 和内存占用：

func index(w http.ResponseWriter, r *http.Request) { t, err := template.ParseFiles("index.html") if err != nil { log.Fatal(err) } t.Execute(w, nil) } func image(w http.ResponseWriter, r *http.Request) { monitor.WriteTo(w) } func main() { mux := http.NewServeMux() mux.HandleFunc("/", index) mux.HandleFunc("/image", image) go monitor.Run() s := &http.Server{ Addr: ":8080", Handler: mux, } if err := s.ListenAndServe(); err != nil { log.Fatal(err) } } 复制代码

首先，我们编写了一个 HTTP 服务器，监听在 8080 端口。设置两个路由，/显示主页，/image调用Monitor的方法生成 CPU 和内存占用图返回。Monitor结构稍后会介绍。index.html的内容如下：

<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>Monitor</title> </head> <body> <img src="/image" alt="" id="img"> <script> let img = document.querySelector("#img") setInterval(function () { img.src = "/image?s=" Math.random() }, 500) </script> </body> </html> 复制代码

页面比较简单，就显示了一张图片。然后在 JS 中启动一个 500ms 的定时器，每隔 500ms 就重新请求一次图片替换现有的图片。我在设置img.src属性时在后面添加了一个随机数，这是为了防止缓存导致得到的可能不是最新的图片。

下面看看Monitor的结构：

type Monitor struct { Mem []float64 CPU []float64 MaxRecord int Lock sync.Mutex } func NewMonitor(max int) *Monitor { return &Monitor{ MaxRecord: max, } } var monitor = NewMonitor(50) 复制代码

这个结构中记录了最近的 50 条记录。每隔 500ms 会收集一次 CPU 和内存的占用情况，记录到CPU和Mem字段中：

func (m *Monitor) Collect() { mem, err := mem.VirtualMemory() if err != nil { log.Fatal(err) } cpu, err := cpu.Percent(500*time.Millisecond, false) if err != nil { log.Fatal(err) } m.Lock.Lock() defer m.Lock.Unlock() m.Mem = append(m.Mem, mem.UsedPercent) m.CPU = append(m.CPU, cpu[0]) } func (m *Monitor) Run() { for { m.Collect() time.Sleep(500 * time.Millisecond) } } 复制代码

当 HTTP 请求/image路由时，根据目前已经收集到的CPU和Mem数据生成图片返回：

func (m *Monitor) WriteTo(w io.Writer) { m.Lock.Lock() defer m.Lock.Unlock() cpuData := make(plotter.XYs, len(m.CPU)) for i, p := range m.CPU { cpuData[i].X = float64(i 1) cpuData[i].Y = p } memData := make(plotter.XYs, len(m.Mem)) for i, p := range m.Mem { memData[i].X = float64(i 1) memData[i].Y = p } p, err := plot.New() if err != nil { log.Fatal(err) } cpuLine, err := plotter.NewLine(cpuData) if err != nil { log.Fatal(err) } cpuLine.Color = plotutil.Color(1) memLine, err := plotter.NewLine(memData) if err != nil { log.Fatal(err) } memLine.Color = plotutil.Color(2) p.Add(cpuLine, memLine) p.Legend.Add("cpu", cpuLine) p.Legend.Add("mem", memLine) p.X.Min = 0 p.X.Max = float64(m.MaxRecord) p.Y.Min = 0 p.Y.Max = 100 wc, err := p.WriterTo(4*vg.Inch, 4*vg.Inch, "png") if err != nil { log.Fatal(err) } wc.WriteTo(w) } 复制代码

运行服务器：

$ go run main.go 复制代码

打开浏览器，输入localhost:8080，观察图片变化：

总结

本文介绍了强大的绘图库plot，最后通过一个监控程序结尾。限于篇幅，plot提供的多种绘图类型未能一一介绍。plot还支持svg/pdf等多种格式的保存。感兴趣的童鞋可自行研究。

大家如果发现好玩、好用的 Go 语言库，欢迎到 Go 每日一库 GitHub 上提交 issue

,