Matplotlib教程

Matplotlib是用于数据可视化的最流行的Python包之一。 它是一个跨平台库，用于根据数组中的数据制作2D图。 它提供了一个面向对象的API，有助于使用Python GUI工具包（如PyQt，WxPythonotTkinter）在应用程序中嵌入绘图。 它也可以用于Python和IPython shell，Jupyter笔记本和Web应用程序服务器。

面向读者

本教程专为希望获得数据可视化基础知识的学员而设计。

前提条件

Matplotlib是用Python编写的，它使用了Python的数值数学扩展NumPy。 我们假设本教程的读者具有Python的基本知识。

问题反馈

我们不能保证您在此Matplotlib教程中不会遇到任何问题。本教程中的讲解，示例和代码等只是根据作者的理解来概括写出。由于作者水平和能力有限，因此不能保证所有的编写文章和示例均能准确无误。但是如果有遇到任何错误或问题，请反馈给我们，我们会及时纠正以方便后继读者阅读。

教程目录

本教程主要的内容如下所示 -

1. Matplotlib简介 - Matplotlib是用于数据可视化的最流行的Python包之一。 它是一个跨平台库，用于根据数组中的数据制作2D图。
2. Matplotlib开发环境 - Matplotlib及其依赖包在标准Python包存储库中以wheel包的形式提供，可以使用pip包管理器将Matplotlib安装在Windows，Linux以及MacOS系统上。
3. Matplotlib Anaconda开发工具 - Anaconda是Python和R编程语言的免费开源发行版，用于大规模数据处理，预测分析和科学计算。
4. Matplotlib Jupyter笔记本 - Jupyter是一个松散的缩写，意思是Julia，Python和R.这些编程语言是Jupyter应用程序的第一个目标语言，但是现在，Jupyter技术还支持许多其他语言。
5. Matplotlib Pyplot API - matplotlib.pyplot是命令样式函数的集合，使Matplotlib像MATLAB一样工作。每个Pyplot功能都会对图形进行一些更改。
6. Matplotlib简单画图 - 在Matplotlib中显示一个简单的角度线图，以弧度为单位，与正弦值相对应。
7. Matplotlib pylab模块 - PyLab是一个非常方便模块，可以在单个名称空间中批量导入matplotlib.pyplot(用于绘图)和NumPy(用于数学和使用数组)。
8. Matplotlib面向对象接口 - 在面向对象的界面中，Pyplot仅用于一些功能，如图形创建，用户显式创建和跟踪图形和轴对象。在此级别，用户使用Pyplot创建图形，通过这些图形，可以创建一个或多个轴对象。
9. Matplotlib Figure类 - matplotlib.figure模块包含Figure类。它是所有plot元素的顶级容器。
10. Matplotlib Axes类 - Axes对象是具有数据空间的图像区域。给定的图形可以包含许多轴，但给定的Axes对象只能在一个图中。轴包含两个(或在3D情况下为三个)Axis对象。
11. Matplotlib Multiplots - 在本章中将学习如何在同一画布上创建多个子图。
    subplot()函数返回给定网格位置的axes对象。
12. Matplotlib subplots()函数 - Matplotlib的pyplot API有一个称为subplots()的便捷函数，它充当实用程序包装器，并在单个调用中帮助创建子图的公共布局，包括封闭的图形对象。
13. Matplotlib subplot2grid()函数 - Matplotlib subplot2grid()函数在网格的特定位置创建轴对象提供了更大的灵活性。它还允许轴对象跨越多个行或列。
14. Matplotlib网格 - axes对象的grid()函数将图中网格的可见性设置为on或off。还可以显示网格的主要/次要(或两者)刻度。
15. Matplotlib格式化轴 - 轴的比例需要设置为对数(log)而不是正常比例。这是对数标度。在Matplotlib中，可以通过将axes对象的xscale或vscale属性设置为log。
16. Matplotlib设置限制 - Matplotlib自动到达要沿着图的x，y(以及3D图的情况下为z轴)轴显示的变量的最小值和最大值。但是，可以使用set_xlim()和set_ylim()函数显式设置限制。
17. Matplotlib设置刻度和刻度标签 - 刻度是表示轴上数据点的标记。到目前为止，Matplotlib在我们之前的所有例子中都自动接管了轴上间隔点的任务。
18. Matplotlib双轴 - 当绘制具有不同单位的曲线时。 Matplotlib通过twinx()和twiny()函数支持此功能。
19. Matplotlib条形图 - 条形图或条形图是一种图表或图形，它显示带有矩形条的分类数据，其高度或长度与它们所代表的值成比例。可以垂直或水平绘制条形。
20. Matplotlib直方图 - 直方图是数值数据分布的精确表示。它是连续变量的概率分布的估计，它是一种条形图。
21. Matplotlib饼图 - 饼图只能显示一系列数据。饼图在一个数据系列中显示项目的大小(称为楔形)，与项目的总和成比例。饼图中的数据点显示为整个饼图的百分比。
22. Matplotlib散点图 - 散点图用于绘制水平轴和垂直轴上的数据点，以试图显示一个变量受另一个变量影响的程度。数据表中的每一行都由一个标记表示，该位置取决于其在X和Y轴上设置的列中的值。
23. Matplotlib轮廓图 - 轮廓图(有时称为“水平图”)是一种在二维平面上显示三维表面的方法。 它绘制了y轴上的两个预测变量X Y和轮廓的响应变量Z。 这些轮廓有时称为z切片或等响应值。
24. Matplotlib二维箭头图 - 箭头图将速度矢量显示为箭头，其中分量(u，v)位于点(x，y)。
25. Matplotlib箱线图 - 箱形图也称为须状图，显示包含最小值，第一四分位数，中位数，第三四分位数和最大值的一组数据的摘要。在方块图中，绘制从第一个四分位数到第三个四分位数的方框。垂直线穿过中间的框。须状从每个四分位数到最小值或最大值。
26. Matplotlib提琴图 - 小提琴图类似于箱形图，除了它们还显示不同值的数据的概率密度。这些图包括数据中位数的标记和表示四分位数范围的框，如标准框图中所示。
27. Matplotlib三维绘图 - Matplotlib最初设计时只考虑了二维绘图，但是在后来的版本中，Matplotlib的二维显示器上构建了一些三维绘图实用程序，以提供一组三维数据可视化工具。
    28.Matplotlib 3D轮廓图 - ax.contour3D()函数创建三维等高线图。它要求所有输入数据采用二维规则网格的形式，并在每个点评估Z数据。
28. Matplotlib 3D线框图 - 线框图采用值网格并将其投影到指定的三维表面上，并且可以使得到的三维形式非常容易可视化。
29. Matplotlib 3D曲面图 - 曲面图显示指定的因变量(Y)和两个独立变量(X和Z)之间的函数关系。该图是等高线图的伴随图。曲面图类似于线框图，但线框的每个面都是填充多边形。
30. Matplotlib使用文本 - Matplotlib具有广泛的文本支持，包括对数学表达式的支持，对光栅和矢量输出的TrueType支持，具有任意旋转的换行符分隔文本以及unicode支持。
31. Matplotlib数学表达式 - 将任何Matplotlib文本字符串中的子集TeXmarkup放在一对美元符号($)中
32. Matplotlib使用图像 - Matplotlib包中的图像模块提供加载，重新缩放和显示图像所需的功能，Pillow库支持加载图像数据。Matplotlib仅支持PNG图像。
33. Matplotlib变换 - matplotlib包构建在转换框架之上，可以在坐标系之间轻松移动。可以使用四个坐标系。