【Matplotlib基础01】Matplotlib初相识
目录
一、Matplotlib是什么？
二、Matplotlib架构
2.1脚本层(Scripting)
2.2美工层(Artist)
实例1：Figure
实例2：Axis、ticks与label
2.3后端层(Backend)
三、Matplotlib图形组成（重要，需要理解透彻）
四、两种不同的绘图模式
第一种方式绘图代码
第二种方式绘图代码
区别
一、Matplotlib是什么？
Matplotlib 是一款用于数据可视化的 Python 软件包，支持跨平台运行，它能够根据 NumPy ndarray 数组来绘制 2D 图像，它使用简单、代码清晰易懂，深受广大技术爱好者喜爱。
（NumPy 是 Python 科学计算的软件包，ndarray 则是 NumPy 提供的一种数组结构。）
二、Matplotlib架构
Matplotlib 由三个不同的层次结构组成，分别是脚本层、美工层和后端层。
2.1脚本层(Scripting)
脚本层是 Matplotlib 结构中的最顶层。我们编写的绘图代码大部分代码都在该层运行，它的主要工作是负责生成图形与坐标系。matplotlib.pyplot，通常起别名为plt。
2.2美工层(Artist)
Artist是Matplotlib的中间层，也是很多繁重的情况发生的地方，后端FigureCanvas是画纸，Artist是知道如何拿起Renderer（画笔）并将墨水涂在画布上的对象，你在Matplotlib的Figure都是Artist的实例，包括title, lines, tick labels, images等等，他们都属于基类matplotlib.artist.Artist，而Artist和backend之间的关联发生在draw方法中。由于Renderer有一个指向其画布FigureCanvas的指针，并知道如何在其上绘画，因此draw方法可以将抽象的指令转换Artist为像素缓冲区中的颜色、SVG 文件中的路径或任何具体表示。
我们用两张图来理解Artist的各个实例与层次，在这张图中，我们给出了主要的实例：Figure(图)、Axes(轴域)、Text(文本)、2Dline(二维线条)、XAxis(X轴)、YAxis(Y轴)、Xlabel(X轴标签)、Xticks(X轴刻度)、Ylabel(Y轴标签)、Yticks(Y轴刻度)，注意，Axes中的ax.set_xticklabels()设置的就是plt.xticks().
最大的一类是Figure，其次是Axes，再其次是Axes中的一些实例，轴、文本、线条等等，Text可以包含图的标题、图注、图标等等一切的文本。
另外需要注意这些美工实例又分为原始型美工(Primitive artists)与复合型美工(Composite artists)，例如前面提到的Text、以及背景的Rectangle、Circle都是原始型美工，而Axis、Tick、labels、Axes、Figure则是复合型美工，一个复合型美工可以包含多个复合型美工或者原始型美工，例如，Figure可以包含包含一个或多个Axes并且Figure的背景是一个基元Rectangle。
接下来我们对这些实例进行一一介绍：
实例1：Figure
将Figure看成是一张大的画板。那么问题来了：
问：如何创建画板？
答：用matplotlib.figure中的fig=Figure()来创建一张画板fig，也可以在函数式绘图中用fig=plt.figure()来建立fig。
但有个画板还不够，好比你要画油画，你不能画在画板上吧，至少需要一张画纸，这里的画纸就可以理解为以横纵坐标轴为长和宽所建立起来的矩形，2D的图像都在这个矩形内。
问：如何创建一张和多张画纸？
答：可以用canvas = FigureCanvas(fig)来产生一张画纸，或者如果用fig=plt.figure()，那他会默认产生一张画纸。且可以用fig.add_subplot(plt.subplots(子图))，或者fig.add_axes(轴域)来产生多的画纸，他们会将原来大的画纸进行拆分，拆分成若干张小画纸，画纸和画纸间可以嵌套，可以并列放置。
补充知识点：subplot和axes
Subplot负责将整个画板分割成几块，用ax = fig.add_subplot(abc) 来创建子图，里面的参数abc代表是产生a行b列一共a*b个子图区域，c表示给这个区域添加子图。
例如：ax1 = fig.add_subplot(221) , ax2 = fig.add_subplot(222) , ax4 = fig.add_subplot(224)就是在2*2个区域中，在左上，右上和右下建立子图：
from matplotlib.figure import Figure
from matplotlib.backends.backend_agg import FigureCanvasAgg as FigureCanvas
fig = Figure()
canvas = FigureCanvas(fig)
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax4 = fig.add_subplot(224)
canvas.print_png('test1.png')
%%html
Subplot建立子图的方式比较基础而且整洁，另一种形式Axes则较为灵活：
Axes，可以通过fig.add_axes([left,bottom,width,height])添加子图的左边界、下边界、宽度和高度来在合适的位置上添加子图:
from matplotlib.figure import Figure
from matplotlib.backends.backend_agg import FigureCanvasAgg as FigureCanvas
fig = Figure()
canvas = FigureCanvas(fig)
ax1 = fig.add_axes([0.1, 0.1, 0.2, 0.2]) #代表左边空出10%，底部空出10%，宽度为20%，高度为20%
ax1.set_title("ax1")
ax2 = fig.add_axes([0.3, 0.3, 0.4, 0.4]) #代表左边空出30%，底部空出30%，宽度为40%，高度为40%
ax2.set_title("ax2")
canvas.print_figure('test3.jpg')
%%html
Axes还可以嵌套，如果设置
ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax2 = fig.add_axes([0.3, 0.3, 0.4, 0.4])
问：如何确定使用哪个方法绘制子图？
答：关于Subplot和Axes本质上都是产生多张画纸，所以两者的区别并不大。如果想快速、标准的切割画板，可以用fig.add_subplot()，而如果想自定义画纸，则可以使用fig.add_axes()。这两种创建子图的方法，在脚本层都有对应的实现方式，下文我们会提到。
实例2：Axis、ticks与label
Axes是轴域，Axis就是轴，对应的有X轴和Y轴，每个轴都有ticks，即轴上的刻度与label，即轴标签，对于调整刻度可以用set_xlim()和set_ylim()来调整，对于设置ticks的名称，则可以使用ax.set_xticklabels()和ax.set_yticklabels()来设置。对于设置标签，则用ax.set_xlabel()和ax.set_ylabel()来实现，还可以设置title，用set_title()来实现我们可以在脚本层来更方便的控制。
ax=fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.set_xlim(-0.5,1.5)
ax.set_ylim(-0.5,1.5)
ax.set_xticklabels(['One','Two','Three'])
ax.set_xlabel('Date')
ax.set_ylabel('Units')
ax.set_title('Exponential vs. Linear performance')
2.3后端层(Backend)
实际上，调用Matplotlib的方式可以大不相同：有些人从 Python shell 交互式地使用 Matplotlib，他们键入命令时会弹出绘图窗口，有些人在 Jupyter Notebook用%matplotlib inline或者%matplotlib notebook的magic code绘制内联图或者交互式图表以进行快速数据分析；还有人将 Matplotlib 嵌入到 PyQt 或 PyGObject 等图形用户界面中以构建丰富的应用程序；或者有一些人运行 Web 应用程序服务器来动态提供图形等等。
为了支持所有这些用例，Matplotlib 可以针对不同的输出，这些不同的输出每一种都称为一种后端；“前端”是面向用户的代码，即绘图代码，而“后端”则在幕后完成所有艰苦的工作来制作图形。有两种类型的后端，第一种后端是用户界面后端(user interface backends):用PyQt/PySide、PyGObject、Tkinter、wxPython 或 macOS/Cocoa，也称为“交互式后端(interactive backends)”我们在jupyter notebook中用的%matplotlib notebook就属于这一种；另一种后端是硬拷贝后端:用以制作图像文件PNG、SVG、PDF、PS，也称为“非交互式后端(non-interactive backends)”。
后端层是 Matplotlib 最底层，它定义了三个基本类，首先是 FigureCanvas（图层画布类），它提供了绘图所需的画布，其次是 Renderer（绘图操作类），它提供了在画布上进行绘图的各种方法，最后是 Event（事件处理类），它提供了用来处理鼠标和键盘事件的方法。
三、Matplotlib图形组成
由matplotlib生成的图像由figure,axes,axis,artist四部分组成。通过一张figure解剖图，我们可以看到一个完整的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），下一节会详细介绍。在matplotlib的世界中，我们将通过各种命令方法来操纵图像中的每一个部分，从而达到数据可视化的最终效果，一副完整的图像实际上是各类子元素的集合。
- Figure：指整个图形，您可以把它理解成一张画布，它包括了所有的元素，比如标题、轴线等；
- Axes：绘制 2D 图像的实际区域，也称为轴域区，或者绘图区；
- Axis：指坐标系中的垂直轴与水平轴，包含轴的长度大小（图中轴长为 7）、轴标签（指 x 轴，y轴）和刻度标签；
- Artist：您在画布上看到的所有元素都属于 Artist 对象，比如文本对象（title、xlabel、ylabel）、Line2D 对象（用于绘制2D图像）等。
四、两种不同的绘图模式
matplotlib提供了两种最常用的绘图接口
- 显式创建figure和axes，在上面调用绘图方法，也被称为OO模式（object-oriented style)
- 依赖pyplot自动创建figure和axes，并绘图
第一种方式绘图代码：
x = np.linspace(0,2,100)#在[0,2]区间上平均取100个数
fig,ax =plt.subplots()
ax.plot(x,x,label = 'liner')
ax.plot(x,x**2,label = 'quadratic')
ax.plot(x,x**3,label = 'cubic')
ax.set_xlabel('x label')
ax.set_ylabel('y label')
ax.set_title('Simple plot')
ax.legend()
plt.show()
第二种方式绘图代码：
x = np.linspace(0,2,100)#在[0,2]区间上平均取100个数
plt.plot(x,x,label = 'liner')
plt.plot(x,x**2,label = 'quadratic')
plt.plot(x,x**3,label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title('Simple Plot')
plt.legend()
plt.show()区别：
第一种方式先定义了fig,ax，后面的作图也都是以ax开始，这是因为plt.subplots可以绘制多个子图，ax是用来指定绘图区域。plt.subplots比plt.plot灵活方便，plt.plot比较简单。
fig,ax =plt.subplots(1,1,1)
等价于
fig = plt.figure
ax = fig.add_subplot(1,1,1)
第一个1参数是子图的行数，第二个2参数是子图的列数，第三个1参数是代表第一个子图
在第一种方式的基础上绘制多个子图：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
fig,ax=plt.subplots(2,2)
# 画第1个图：折线图
x=np.arange(1,100)
ax[0][0].plot(x,x*x)
# 画第2个图：散点图
ax[0][1].scatter(np.arange(0,10), np.random.rand(10))
# 画第3个图：饼图
ax[1][0].pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f',explode=[0,0.05,0,0])
# 画第4个图：条形图
ax[1][1].bar([20,10,30,25,15],[25,15,35,30,20],color='b')
plt.show()注：ax[0][0]代表索引为0，0的子图
