Matplotlib_one

Matplotlib_one

在此借鉴datawhale的Matplotlib进行学习

Matplotlib初识

Matplotlib是python的2D绘图库，用来绘制静态，动态，交互式的图标。

Matplotlib是python中公认的数据可视化工具，pandas和seaborn的绘图接口也是基于Matplotlib所作的高级封装。

Matplotlib可用于python脚本，jupyter notebook，web应用服务器和各种图形化用户界面工具

简单绘图

在Matplotlib中图像是画在figure上的（如jupyter窗体），每一个figure都包含一个或多个axxes（一个可以指定坐标系的子区域）

创建命令

pyplot.subplots() >>>创建一个图形和一组子图，即创建figure和axes

Axes.plot() >>>绘制简单的折线图

#首先导入所需的库
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np

figure_m, axes_m = plt.subplots() #创建一个包含一个axes的figure
axes_m.plot([1,2,3,4],[2,3,1,4])

[] 输出是因为绘图代码会默认打印出最后一个对象。以下有三种不显示这句话的方法。

• 在代码的最后加上一个分号;
• 在代码最后加上一句plt.show()
• 在绘图时将绘图对象赋值给一个变量，即将plt.plot([1,2,3,4])改为model = plt.plot([1,2,3,4])

根据文档介绍，还有一种更加简单的绘制图像方法 matplotlib.pyplot 可以直接在当前的axes上绘制图像，若未指定axes，matplotlib也会自动从创建

axes_m = plt.plot([1,2,3,4],[2,3,1,4])

Figure的组成

figure的组成包含四个层级，也就是一个完整的matplotlib包含四个层级，层级也被称为容器。matplotlib通过各种命令方法操控各个层级，实现数据可视化。下图来自datawhale。

• Figure：顶层级，用来容纳所有的绘图元素
• Axes：Axes是整个图的核心，其包含了大量元素构造一幅幅子图，一个figure可以由一个或多个子图组成
• Axis：是Axes的下属层级，用于处理所有与坐标轴，网格相关的元素，在下图中也可以看到
• Tick：同样是Axes的下属层级，用来处理与刻度有关的元素

两种常见的绘图接口

1. 显式创建figure和aexs，在上面调用绘图方法，也称为OO模式（object-oriented style）
2. 依赖pyplot自动创建figure和axes

#第一种方式
y = np.linspace(0, 3, 100) #从0到3创建100个数据对象

figure_m, axes_m = plt.subplots()
axes_m.plot(y, x**4, label='x**4')
axes_m.plot(y, x**2, label='x**2')
axes_m.set_xlabel('x label')
axes_m.set_ylabel('y label')
axes_m.legend()
plt.show()

#第二种
y = np.linspace(0, 3, 100) #从0到3创建100个数据对象

plt.plot(y, x**4, label='x**4')
plt.plot(y, x**2, label='x**2')
plt.xlabel('x label')
plt.ylabel('y label')
plt.legend()
plt.show()

通用模板

（摘自datawhale）

# step1 准备数据
x = np.linspace(0, 2, 100)
y = x**2

# step2 设置绘图样式，这一模块的扩展参考第五章进一步学习，这一步不是必须的，样式也可以在绘制图像是进行设置
mpl.rc('lines', linewidth=4, linestyle='-.')

# step3 定义布局， 这一模块的扩展参考第三章进一步学习
fig, ax = plt.subplots()  

# step4 绘制图像， 这一模块的扩展参考第二章进一步学习
ax.plot(x, y, label='linear')  

# step5 添加标签，文字和图例，这一模块的扩展参考第四章进一步学习
ax.set_xlabel('x label') 
ax.set_ylabel('y label') 
ax.set_title("Simple Plot")  
ax.legend()
plt.show()

思考题

• 请思考两种绘图模式的优缺点和各自适合的使用场景

OO模式是面向对象式绘图，更好的指定对象在数据量过大时更加清晰，适用于非交互式绘图

pyplot方法多用于交互式绘图