Matplotlib剑客行——初相识Matplotlib

个性签名：整个建筑最重要的是地基，地基不稳，地动山摇。而学技术更要扎稳基础，关注我，带你稳扎每一板块邻域的基础。
博客主页：啊四战斗霸的博客
收录专栏：Python三剑客之江湖云
南来的北往的，走过路过千万别错过，错过本篇，“精彩”可能与您失之交臂yo
Triple attack(三连击):Comment,Like and Collect—>Attention

Matplotlib简介

认识Matlpotlib

• Matplotlib 是 Python 的2D绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。
• Matplotlib 可以用来绘制各种静态，动态，交互式的图表，我们熟知的Seaborn，Pandas的绘图接口也是基于Matplotlib做了更高级的封装。
• Matplotlib 是一个非常强大的 Python 画图工具，我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。
• Matplotlib 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。
  

安装Matplotlib库

• 使用pip

pip install matplotlib

• 使用conda

conda install matplotlib

• 安装官方版本

https://matplotlib.org/stable/users/installing/index.html

举个简单的栗子

• 引入Matplotlib并命名为plt，注意这个引入的是matplotlib.pyplot而不是直接引入matplotlib。
• Matplotlib的图像是画在figure（如windows，jupyter窗体）上的，每一个figure又包含了一个或多个axes（一个可以指定坐标系的子区域）。
• 最简单的创建figure以及axes的方式是通过pyplot.subplots命令，创建axes以后，可以使用Axes.plot绘制最简易的折线图。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 200)
y = np.sin(x)

fig, ax = plt.subplots()
ax.plot(x, y)
plt.show()

输出图形：

Matplotlib图表窗口

• Matplotlib → 一个python版的matlab绘图接口，以2D为主，支持python、numpy、pandas基本数据结构，运营高效且有较丰富的图表库。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 这个show（）方法主要是显示所绘制的图形，当我们绘制图形完成后，可以调用此方法。
# 图表窗口1 → plt.show()
plt.plot(np.random.rand(10))
plt.show()
# 直接生成图表

# 图表窗口2 → 魔法函数，嵌入图表
# 通过Jupyter的魔法命令%matplotlib inline 可以直接在jupyter notebook中展示图表，不需要每个图表都是用plt.show()来展现来

% matplotlib inline  
x = np.random.randn(1000)
y = np.random.randn(1000)
plt.scatter(x,y)
# 直接嵌入图表，不用plt.show()
#  代表该图表对象

# 图表窗口3 → 魔法函数，弹出可交互的matplotlib窗口
% matplotlib notebook
s = pd.Series(np.random.randn(100))
s.plot(style = 'k--o',figsize=(10,5))
# 可交互的matplotlib窗口，不用plt.show()
# 可做一定调整

# 图表窗口4 → 魔法函数，弹出matplotlib控制台
% matplotlib qt5
df = pd.DataFrame(np.random.rand(50,2),columns=['A','B'])
df.hist(figsize=(12,5),color='g',alpha=0.8)
# 可交互性控制台
# 如果已经设置了显示方式（比如notebook），需要重启然后再运行魔法函数
# 网页嵌入的交互性窗口 和 控制台，只能显示一个

#plt.close()    
# 关闭窗口

#plt.gcf().clear()  
# 每次清空图表内内容

图的部分

一个完整的matplotlib图像通常会包括以下四个层级，这些层级也被称为容器（container）

• Figure：顶层级，用来容纳所有绘图元素
• Axes：matplotlib宇宙的核心，容纳了大量元素用来构造一幅幅子图，一个figure可以由一个或多个子图组成
• Axis：axes的下属层级，用于处理所有和坐标轴，网格有关的元素
• Tick：axis的下属层级，用来处理所有和刻度有关的元素
  

Figure

创建新图形的最简单方法是使用 pyplot：

• 通过plt.subplot()命令来创建Figure和Axes
  • axes是绘图的坐标系
  • figure是绘图的窗口

fig = plt.figure()  # 一个没有轴的空图形
fig, ax = plt.subplots()  # 单轴图形，创建一个包含一个axes的figure
fig, axs = plt.subplots(2, 2)  # 具有2x2轴网格的图形

Axes

Axis对象（注意区别 在 Axes 和 Axis ）提供刻度和刻度标签 为轴中的数据提供比例。 每个 Axes还 有：

• 一个标题 （通过设置 set_title()）
• 一个x标签（通过设置 set_xlabel())
• 一个y标签集通过 set_ylabel()).

Axis

这些对象设置比例和限制并生成刻度（标记 在轴上）和刻度标签（标记刻度的字符串）。

Artist

图上可见的一切都是艺术家（甚至 Figure, Axes， 和 Axis对象）。 当图形被渲染时，所有的 艺术家被 画布 。 大多数艺术家都被绑在轴上； 这样的 艺术家不能被多个轴共享，也不能从一个轴移动到另一个轴。

绘图函数的输入类型

numpy.array 或 numpy.asarray

• 绘图功能期望 numpy.array或者 numpy.ma.masked_array作为 输入，或可以传递给对象 numpy.asarray. 类似于数组的类，
  • 例如 pandas 数据对象和 numpy.matrix可能无法按预期工作。 共同约定是将这些转换为 numpy.array绘制之前的对象。
  • 例如，要转换一个 numpy.matrix。代码如下：

b = np.matrix([[1, 2], [3, 4]])
b_asarray = np.asarray(b)

dict 、 numpy.recarray, 或 pandas.DataFrame

• 大多数方法还将解析可寻址对象，例如 dict 、 numpy.recarray, 或 pandas.DataFrame. Matplotlib 允许提供这data关键字参数并生成传递字符串的图 对应于 x 和 y 变量。

np.random.seed(19680801)  # seed the random number generator.
data = {'a': np.arange(50),
        'c': np.random.randint(0, 50, 50),
        'd': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100

fig, ax = plt.subplots(figsize=(5, 2.7))
ax.scatter('a', 'b', c='c', s='d', data=data)
ax.set_xlabel('entry a')
ax.set_ylabel('entry b');

两种绘图接口

OO风格

• 显式创建图形（figure）和轴（axes），并在它们上调用方法，也被称为OO模式（object-oriented style)
• 通过plt.subplot()命令来创建Figure和Axes，然后再对axes进行数据的绑定

x = np.linspace(0, 2, 100)  # 样本数据

# 注意，即使在OO风格中，我们也使用'pyplot.figure'创建图形的步骤
fig, ax = plt.subplots(figsize=(5, 2.7))
ax.plot(x, x, label='linear')  # 在x,y轴上绘制一些数据
ax.plot(x, x**2, label='quadratic')  # 在x,y轴上绘制更多数据
ax.plot(x, x**3, label='cubic')  # 还有更多
ax.set_xlabel('x label')  # 将x标签添加到轴
ax.set_ylabel('y label')  # 将y标签添加到轴
ax.set_title("Simple Plot")  # 将标题添加到轴
ax.legend();  # 添加一个图例

输出图形：

pyplot风格

• 依赖pyplot自动创建与管理figure和axes，以及使用pyplot函数进行绘图
• 还可以通过一个更简单的方法来创建，matplotlib.pyplot方法能够直接在当前axes上绘制图像，如果用户未指定axes，matplotlib会帮你自动创建一个。

x = np.linspace(0, 2, 100)  # 样本数据

plt.figure(figsize=(5, 2.7))
plt.plot(x, x, label='linear')  # 在x,y轴上绘制一些数据。
plt.plot(x, x**2, label='quadratic')  # etc.
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend();

输出图形：

通用绘图模板

OO绘图模板

import matplotlib.pyplot as plt
import numpy as np

# 1 准备数据
x = np.linspace(0, 2, 100)
y = x**2

# 2 设置绘图样式，这一步不是必须的，样式也可以在绘制图像中进行设置
mpl.rc('lines', linewidth=4, linestyle='-.')

# 3 定义布局
fig, ax = plt.subplots()  

# 4 绘制图像
ax.plot(x, y, label='linear')  

# 5 添加标签，文字和图例
ax.set_xlabel('x label') 
ax.set_ylabel('y label') 
ax.set_title("Simple Plot")  
ax.legend() 

输出图形：

pyplot绘图模板

import matplotlib.pyplot as plt
import numpy as np

# 1 准备数据
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

# 2 定义图像窗口
plt.figure(num=3, figsize=(8, 5))

# 3 画图
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

# 4 定义坐标轴范围及名称
plt.xlim((-1, 2))
plt.ylim((-2, 3))
plt.xlabel('I am x')
plt.ylabel('I am y')

# 5 定义坐标轴刻度及名称
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])

# 6 设置图像边框颜色
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# 7 调整刻度及边框位置
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.show()