4.7Python数据处理篇之Matplotlib系列(七)---matplotlib原理分析

前言

学习matplotlib有一段时间了，总感觉学不到本质的东西，抓不到主要的重点，还是感觉有些吃力，画的图千变万化，总不能一一学会吧，今天我们就来总结一下，matplotlib本质的东西，让我们更能在全局上掌握matplotlib库。

（一）总框架分析

在matplotlib库里，总分成两种绘图方法

方法一：函数式绘图

方法二：面向对象式绘图

（二）函数式的绘图

1.说明：

在matplotlib.pyplot里是封装好的函数，用户可以直接调用函数进行绘图。

一般的，我们约定 matplotlib.pyplot 取别名为 plt

其模块下主要定义如下两方面的函数：

操作类的函数：对于画布，图，子图，坐标轴，图例，背景，网格等的操作。

如：plt.ylabel(), plt.xlabel(), plot.yscale(), plt.legend(), plt.title(), plt.text()……

绘图类的函数：画折线图，散点图，条形图，直方图，饼状图等特点图的绘制函数。

如：plt.scatter, plt.plot(), plt.bar, plot.pie(), plt.hise()……

具体可以参考官方网站

https://matplotlib.org/api/_as_gen/matplotlib.pyplot.html?highlight=matplotlib%20pyplot#module-matplotlib.pyplot

2.函数绘图的缺优点

（1）缺点：

其实函数式的绘图本质上还是在matplotlib对象的封装，在对象的基础上多了一层函数的调用，

其定制性并不是很强，都是封装好的函数。

（2）优点：

适合一般用户绘图，要求不是很高，定制性不是很强的绘图。

新手容易上手，不需要了解内部的对象问题。

3.绘图类的函数

matplotlib绘图不止这些，在此只举例了大部分

序号	绘图函数（plt.xxx）	说明
1	`acorr()`	绘制x的自相关图
2	`angle_spectrum()`	绘制角度谱图
3	`bar()`	制作条形图
4	`barbs()`	绘制倒钩的二维场图
5	`barh()`	制作水平条形图。
6	`boxplot()`	制作一个盒子和胡须图
7	`broken_barh()`	绘制一个水平的矩形序列图
8	`clabel()`	绘制等高线图
9	`cohere()`	绘制x和y之间的一致性图
10	`csd()`	绘制交叉谱密度图
11	`eventplot()`	绘制相同的平行线
12	`fill()`	绘制填充多边形图
13	`hexbin()`	制作六边形分箱图
14	`hist()`	绘制直方图
15	`hist2d()`	制作2D直方图
16	`magnitude_spectrum()`	绘制幅度谱图
17	`phase_spectrum()`	绘制相位谱图
18	`pie()`	绘制饼图
19	`plot()`	绘制折线图
20	`plot_date()`	绘制包含日期的数据图
21	`quiver()`	绘制一个二维箭头场图
22	`scatter()`	绘制散点图
23	`specgram()`	绘制频谱图
24	`stackplot()`	绘制堆积区域图
25	`streamplot()`	绘制矢量流的流线型图
26	`triplot()`	绘制非结构化三角形网格作为线条图

4.操作类的函数

操作不止这些，在这只是例了大部分

序号	操作函数（plt.xxx）	说明
1	`arrow()`	向轴添加箭头
2	`axes()`	控制轴的范围
3	`axhline()`	在轴上添加水平线
4	`axhspan()`	在轴上添加水平跨度（矩形）
5	`axvline()`	在轴上添加垂直线
6	`axvspan()`	在轴上添加垂直跨度（矩形）
7	`box()`	打开或关闭轴框
8	`figlegend()`	在图中放置一个图例
9	`figtext()`	添加文字到图
10	`grid()`	配置网格线
11	`legend()`	在轴上放置图例
12	`locator_params()`	控制轴的刻度紧密度。
13	`loglog()`	在x轴和y轴上绘制具有对数缩放的绘图
14	`margins()`	设置绘图到框的边距
15	`minorticks_on()`	在轴上显示次要刻度
16	`minorticks_off()`	从轴上移除次要刻度
17	`subplot()`	在当前图中添加子图
18	`subplot2grid()`	在常规网格内的特定位置创建轴
19	`subplots()`	创建一个图形和一组子图
20	`subplots_adjust()`	调整子图布局
21	`suptitle()`	为图中添加居中标题
22	`table()`	将表添加到当前轴
23	`text()`	向轴添加文本
24	`tick_params()`	更改刻度，刻度标签和网格线的外观
25	`title()`	设置轴的标题
26	`twinx()`	制作共享x轴的第二个轴
27	`twiny()`	制作共享y轴的第二个轴
28	`xlabel()`	设置x轴的标签
29	`xlim()`	获取或设置当前轴的x限制
30	`xscale()`	设置x轴刻度
31	`xticks()`	获取或设置当前刻度线位置和x轴标签
32	`ylabel()`	设置y轴的标签
33	`ylim()`	获取或设置当前轴的y限制
34	`yscale()`	设置y轴刻度
35	`yticks()`	获取或设置y轴的当前刻度位置和标签

5.例子：

（1）源代码

# 导入模块
import matplotlib.pyplot as plt
import numpy as np

# 数据
x = np.linspace(0, 2*np.pi, 1000)
y = np.sin(x**2)

# 绘图
plt.plot(x, y)

# 显示
plt.show()

（2）显示效果

4.7Python数据处理篇之Matplotlib系列(七)---matplotlib原理分析_第1张图片

03.png

（三）面向对象式的绘图

1.基本概念

面向对象式的绘图，才是matplotlib绘图最自然的方式，不过需要先了解一些基本的概念。

可参考官方介绍：https://matplotlib.org/tutorials/introductory/usage.html#sphx-glr-tutorials-introductory-usage-py

下图是matplotlib基本的组成部分

4.7Python数据处理篇之Matplotlib系列(七)---matplotlib原理分析_第2张图片

image

figure(图形)

axes(子图形)

title(标题)

legend(图例)

Major tick(大标尺刻度)

Minor tick(小标尺刻度)

Major tick label(大标尺刻度数值)

Minor tick label(小标尺刻度数值)

Y axis label(y轴指标说明)

X axis label(x轴指标说明)

Line(线型图)

Markers(数据标注点)

Grid(格子)等等

2.基本对象

（1）Figure

整个图形即是一个Figure对象，即一个弹出的绘图的窗口，便是一个figure。

Figure对象至少包含一个子图，也就是Axes对象。

Figure对象包含一些特殊的Artist对象，如title标题、图例legend。

Figure对象包含画布canvas对象。 canvas对象一般不可见，通常无需直接操作该对象，matplotlib程序实际绘图时需要调用该对象。

（2）Axes

字面上理解，axes是数据轴axis的复数，但它并不是指数据轴，而是子图对象。可以这样理解，每一个子图都有x和y轴，axes则用于代表这两个数据轴所对应的一个子图对象。

常用方法set_xlim()以及set_ylim()：

设置子图x轴和y轴对应的数据范围。

set_title()：设置子图的标题。

set_xlabel()以及set_ylable()：

设置子图x轴和y轴指标的描述说明。

（3）Axis

Axis是数据轴对象，主要用于控制数据轴上刻度位置和显示数值。

Axis有Locator和Formatter两个子对象，分别用于控制刻度位置和显示数值。

（4）Artist

基本上所有的对象都是一个Artist对象，包括Figure对象、Axes对象和Axis对象，可以将Artist理解为一个基本类。

当提交代码，图像最终呈现时，所有的artist对象都会绘制于canvas画布上

层级结构图：

4.7Python数据处理篇之Matplotlib系列(七)---matplotlib原理分析_第3张图片

02.png

(yaxis同样有tick, label和tick label，没有画出)

3.面向对象式绘图的缺优

（1）缺点：

对于新手不友好，感念混淆，不易掌握，上手慢。

（2）优点：

可定制性强，灵活，自然，流畅。

4.例子：

（１）源代码

# 导入模块
import matplotlib.pyplot as plt
import numpy as np

# 数据
x = np.linspace(0, 2*np.pi, 1000)
y = np.sin(x**2)

# 创建一张图
fig, ax = plt.subplots(1, 1)

plt.plot(x, y)

# 显示
plt.show()

（2）输出效果

[图片上传失败...(image-66cc5e-1552302327631)]

参考网站

【1】python matplotlib画图教程学习：使用介绍https://baijiahao.baidu.com/s?id=1614559225877861604&wfr=spider&for=pc

【2】matplotlib核心剖析：https://blog.csdn.net/zchshhh/article/details/78215646

4.7Python数据处理篇之Matplotlib系列(七)---matplotlib原理分析

目录

前言

（一）总框架分析

（二）函数式的绘图

1.说明：

2.函数绘图的缺优点

（1）缺点：

（2）优点：

3.绘图类的函数

4.操作类的函数

5.例子：

（1）源代码

（2）显示效果

（三）面向对象式的绘图

1.基本概念

2.基本对象

（1）Figure

（2）Axes

（3）Axis

（4）Artist

3.面向对象式绘图的缺优

（1）缺点：

（2）优点：

4.例子：

（１）源代码

（2）输出效果

参考网站

作者：Mark

日期：2019/03/11 周一

你可能感兴趣的:(4.7Python数据处理篇之Matplotlib系列(七)---matplotlib原理分析)