Matplotlib基础（一）----创建画布和坐标系

Matplotlib基础（一）----三层和绘图流程

在平时处理数据的时候，因为数据可视化更能显示数据的关系。而python中的matplotlib库很好地提供了我们2D绘图的方式。于是我打算系统且详细的学习matplotlib,并尽可能地总结各种用法。这个系列就是我我的学习经验总结。

下载并导入matplotlib库
在Pycharm左下方的Python Packages可以快速搜索并下载我们需要的第三方库。
搜索并下载matplotlib库

接着就可以直接import并使用了

import matplotlib

以后大部分使用的都是matplotlib里的pyplot方法，为了方便使用,做了以下的简化

import matplotlib.pyplot as plt

创建画布（容器层）

matplotlib绘图分为三层。一是容器层，就是我们需要帮图表放置的地方，使用figure()对画布进行实例化

fig = plt.figure()

可以往里面传入参数。一般使用到的参数为figsize(画布大小)，dpi(像素点)。例如以下：

fig = plt.figure(figsize=(7, 10), dpi=100)

创建坐标系（辅助显示层）

在绘制需要的图表前，前提是有一个辅助显示层， 也就是常说的坐标系，使用subplot对坐标系进行实例化

ax = plt.subplot(1, 1, 1)
# 或者ax = plt.subplot(111)

三个参数表示着ax为fig的1行1列的坐标系组里第一个

坐标系所拥有的属性如下表所示

属性	含义
facecolor	外观
spine	边框线
axis	坐标轴
axis_label	坐标轴标签
tick	刻度
tick_label	刻度标签
grid	网格
title	标题
legend	图例

坐标系的属性设置方法后面再详细讲解。

绘图（图像层）

在准备好画布和坐标系之后，就可以开始绘制目标图表了。在这里我并不打算详细讲完所有绘图方法，而是分为后面几篇详细讲，这里就简单讲述一下这个部分。利用最常见的plot()在坐标系里绘出需要的曲线。

ax.plot(x, y)

绘图流程

1. 创建画布和坐标系（实例化fig和ax）
2. 绘制图像（plot）
3. 显示图像（show）

实例如下

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi)
fig = plt.figure(figsize=(6, 6),  dpi=100)
ax = plt.subplot(111)
ax.plot(x, np.sin(x))
plt.show()

得图如下
注意：
如果在最后没有添加plt.show()这一行，则创建的图像会一直在缓存中，并不不会显示出来。

保存图像

如果需要将绘制好的图像保存下来的话，则需要在plt.show()前，将缓存中的图像保存到目标路径中，使用的方法是plt.savefig(),需要传入的参数是目标路径的字符串。
修改如下：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi)
fig = plt.figure(figsize=(6, 6),  dpi=100)
ax = plt.subplot(111)
ax.plot(x, np.sin(x))
plt.savefig('fig1.png')
plt.show()

图片就会保存在当前目录文件夹下

总结：

1. matplotlib库的下载与导入
2. 三层结构的介绍
3. 绘图过程
4. 图像的保存