【博学谷学习记录】超强总结，用心分享 | 人工智能常用数据可视化库 matplotlib 入门（1）

Matplotlib 是一个非常强大的 Python 绘图库，我们可以使用它将很多数据通过各种静态、动态、交互式图表的形式直观的呈现出来，比如：线图、散点图、条形图、饼图、3D 图形、图形动画等等，并且提供多样化的输出格式。Matplotlib 通常与 NumPy 和 Pandas 等库一起使用， 形成一个强大的科学计算环境，有助于我们通过 Python 学习数据科学、机器学习。
同 Pandas 一样，笔者从本篇开始通过若干篇短文对 matplotlib 经常会用到的函数、方法进行梳理总结。由于 matplotlib 库内容很多、细节很丰富，而我们使用该库方式又常常是根据实际需要临时查阅具体函数，包括具体参数，拿过来用就可以了，所以文章内容将不会很全面，仅提供常用的绘图方式方法。更全面详细的内容可参阅 matplotlib 官网，这里有丰富的案例、用户文档、教程。
本文先介绍 matplotlib 库的安装与配置，常用套路和绘图组件。

matplotlib 库的安装与配置

1、安装

Matplotlib 库的安装很简单，同其他许多 python 库的安装一样，用 pip install matplotlib 命令或者在 Pycharm 中进行连网下载安装即可。需要注意的是，matplotlib 的依赖库包括 numpy、cycler、Pillow、packaging、pyparsing、python-dateutil、fonttools、contourpy、kiwisolver，需要预先安装，不过只要连网后都会自动下载安装。

2、配置

Matplotlib 配置信息是从配置文件中读取的，在配置文件中可以为 matplotlib 几乎所有的属性指定永久有效的默认值。查看和修改配置方法如下，这里重点要设置一下中文的显示，避免画图出现乱码。

import matplotlib as mp

mp.__version__    # 查看 matplotlib 的版本，笔者用的是 '3.6.2' 版本
mp.rcParams       # 通过字典查看所有已经加载的配置项
mp.rcParams['lines.color']              # 通过 rcParams 字典查看配置项，笔者这里返回'C0'
mp.rcParams['lines.color'] = 'r'        # 可通过 rcParams 字典修改配置项
help(mp.rc)                             # 通过 help 函数查看帮助文档
mp.rc('lines', linewidth=2, color='r')  # 与 rcParams['lines.linewidth'] = 2 和 rcParams['lines.color'] = 'r' 等价

mp.get_configdir()      # 获取当前用户的配置文件目录，'C:\\Users\\DX3906\\.matplotlib'
mp.matplotlib_fname()   # 查看当前使用的配置文件的路径，'C:\\Python38\\lib\\site-packages\\matplotlib\\mpl-data\\matplotlibrc'

mp.rcParams['font.sans-serif'] = ['SimHei']   # 为了支持中文显示而设置
mp.rcParams['axes.unicode_minus'] = False     # 同上

配置文件的内容常见的有以下几种：

• axes：设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示。
• backend：设置目标输出 TkAgg 和 GTKAgg。
• figure：控制dpi、边界颜色、图像大小和子区(subplot)设置。
• font：字体(font family)、字体大小和样式设置。
• grid：设置网格颜色和线型。
• legend：设置图例以及其中的文本显示。
• line：设置线条（颜色、线型、宽度等）和标记。
• patch：填充2D图形图像，如：多边形和圆，控制线宽、颜色、抗锯齿等。
• savefig：对保存的图形进行单独设置，如：渲染的文件背景为白色。
• text：设置字体颜色、文本解析（纯文本和 latex 标记）等。
• verbose：设置 matplotlib 执行期间的信息输出。
• xticks 和 yticks：为x、y轴主刻度和次刻度设置颜色、大小、方向及标签大小。

matplotlib 库的常用套路和绘图组件

1、常用套路

Matplotlib 库的使用是有常用套路方法的，其步骤如下：

1. 创建一个 Figure 实例对象 fig，即一块画布
2. 使用 fig 实例创建一个或者多个 Axes 实例，或者创建一个或者多个 subplot 实例
3. 使用 Axes 实例的方法来创建 primitive 绘图组件，如：Line2D、Text
4. 显示图形图像

代码示例如下：

import matplotlib.pyplot as plt       # Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API，模块能够快速地生成图像
import numpy as np
import math

x = np.arange(0, math.pi*2, 0.05)
y = np.sin(x)
fig = plt.figure()                    # 创建画布 Figure 实例对象
ax = fig.add_axes([0.2,0.1,0.8,0.8])  # 创建 Axes 实例，将绘图域添加到画布，参数 4 个数字分别对应图形的左侧、底部、宽度、高度，必须介于0到1之间
ax.plot(x,y)                          # 使用 Axes 实例的方法来绘图
ax.set_title("sine wave")             # 设置标题
ax.set_xlabel('angle')                # 设置x轴标签
ax.set_ylabel('sine')                 # 设置y轴标签
plt.show()                            # 显示图形

上述代码绘制的图像如下：

2、绘图组件

在 matplotlib 库中，matplotlib.artist.Artist 类代表了绘图组件，属于高层次的绘图控制，知道如何利用渲染器在绘图区上绘图，我们在绝大部分时候都是与它打交道。该类包括了两种绘图组件：primitive 基础组件，代表了在绘图区域上绘制的 Line2D（如上面例子中的正弦波）、Rectangle、Text（如上面例子中的标题、标签） 以及 AxesImage 等等；container 容器组件，代表了放置primitive 的那些绘图组件，比如 Axis（坐标轴）、Axes（绘图域） 以及 Figure（画布）。具体如图所示：

每个在图形中出现的元素都是绘图组件（Artist）。其属性有：

• .alpha属性：透明度。值为0-1之间的浮点数
• .animated属性：一个布尔值，表示是否用于加速动画绘制
• .axes属性：返回这个Artist所属的axes，可能为None
• .clip_box属性：用于剪切Artist的bounding box
• .clip_on属性：是否开启clip
• .clip_path属性：Artist沿着该path执行clip
• .contains属性：一个picking function用于测试Artist是否包含 pick point
• .figure属性：该Artist所属的Figure，可能为None
• .gid属性：该Artist的id字符串
• .label：一个text label
• .transform：转换矩阵
• .url属性：一个url string，代表本Artist
• .visible：布尔值，控制Artist是否绘制
• .zorder：决定了Artist的绘制顺序，越小就越底层越优先绘制。

可以使用 matplotlib.artist.getp(fig) 来一次获取 fig 的所有属性，使用matplotlib.pyplot.getp(fig,"alpha")来获取属性（一次只能返回一个属性），如果指定属性名，则返回对象的该属性值；如果不指定属性名，则返回对象的所有的属性和值。可以用 matplotlib.pyplot.setp(fig, alpha=0.5, zorder=2) 来设置属性（一次可以设置多个）。

以上。