python 绘图库Matplotlib总结

本节导图：https://www.processon.com/view/link/5fde0dbfe0b34d66b824203b

绘图库Matplotlib

• matplotib是Python最著名的绘图库，它提供了一套可以与MATLAB媲美的绘图函数集，非常适合几行代码就可以快速绘图
• matplottib内部使用面向对象实现，组成图标的各个元素都是对象。

面向对象接口使用起来比较复杂，matplotib提供了pyplot模块来实现快速绘图，它的API非常类似于MATLAB，它将复杂的对象关系隐藏起来，方便我们快速使用。

简单例子

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']#显示中文字体标签
plt.rcParams['axes.unicode_minus']=False

x = np.linspace(0, 10, 1000)
y = np.sin(x)
z = np.cos(x**2)

plt.figure(figsize= (12, 4))#设置图像高宽比
plt.plot(x, y, label= "$sin(x)$",color = "red", linewidth= 2)#线属性
plt.plot(x, z, label = "$cos(x^2)$", color = "blue")

plt.xlabel("横轴")#图属性：横纵坐标，标题横纵坐标显示属性
plt.ylabel("纵轴")
plt.title("demo")
plt.ylim(-1.5, 1.5)#纵坐标范围
plt.xlim(0, 11)
plt.legend(loc ="upper right")

plt.show()

绘图对象的理解

matplotib内部全部使用面向对象实现，组成图标的各个元素都是对象。

虽然可以通过pyplot快速绘图，但是在编写大型应用程序时，通过面向对象的方式调用将更加有效；

另外，如果理解了matplotb内的对象含义及其关系，这将更有助于我们更好的用好pyplot。

类关系

• 所有可渲染的对象都有一个基类，为Artist类，它是一个抽象类；
• 可渲染对象包括两种类型：简单类型和容器类型；
• 简单类型是标准的绘图组件，例如：Line2D，Rectangle、Text，Axes Image等；
• 容器类型可以包含多个组牛，主要将这些组件组织起来，例如：Axis、Axes、Figure等；
• 在matplotib中，整个图像为一个figure对象。在Figure对象中可以包含一个，或者多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域，并且包含多个Axis坐标轴。逻辑关系如下：

Axes内部可以细分，下面是一个具体的直线图中，我们看到还有如下对象：

Axis就是前一个图上的Axis；Title为标题，你可以为你的图起一个标题；Label为坐标轴标签；Tick为刻度线：Tick Label为刻度注释；中间是Line；

完整对象树参考下图：

绘图流程

1.创建Fiqure对象；
2.为Fiqure对象创建一个或多个Axes对象；
3，调用Axes对象的方法，创建一些Axis ，Title ，Line2D等简单类型组件，并设置其相关属性；（无需自己去手动创建这些简单组件对象）
4，通过Figure对象展示图像；

import matplotlib.pyplot as plt 
import numpy as np
#准备数据
xs = np.arange(1，50)
ys = xs  ** 2
zs = np.cos(xs)


figure = plt.figure() #通过plt.figure()，生成rigure对象

#创建第一个axes(左上角)
axesl = figure.add_subplot(2，2，1) #调用figure.add subplot(()，创建第一个axes对象;
                                    #声明2*2布局，选第1块
axesl.set_xlabel('x') #设置xaxis对象的 label 
axes1.set_ylabel('y') #设置yaxis对象的1abel 
axesl.set title('plot1') #设置axes对象的title 
axesl.plot(xs，ys) #通过plot方法，声明data，创建Line2D对象

#创建第二个axes（右下角）
axes2 = figure.add_subplot（2，2，4）*沿用2*2布局，选第4块
axes2.set xlabel('x')
axes2.set ylabel('z')
axes2.set_title('plot2')
axes2.plot(xs，zs)
figure.show()

当你仅需要一张子图时，全部基于plt的方法调用，已经帮你隐藏了axes对象的创建；

类似上面一般流程的例子中，axes对象也在尝试帮我们隐藏axis ，label等对象的创建，简化我们的使用；

一些常用类型图的例子

散点图

import numpy as np 
import matplot1ib.pyplot as plt
# 定义50个点
N = 50
x = np.random.rand(N) #随机产生x坐标
y = np.random.rand(N) #随机产生y坐标
area = np.pi*(15*np.random.rand(N))**2 #随机产生面积
colors = np.random.rand(N) #随机产生顾色(matplotlib可以自动将0-1的浮点数转为颜色)
plt.scatter（x,y,a = area, colors,alpha = 0.5) #声明每个点的：xy坐标、面积、颜色，以及透明度为0.5
plt.show()

条形图

import matplotlib.pyplot as plt
import numpy as np

xs = np.arange(0, 10)
ys = np.random.randint(100, 200, 10)

plt.bar(xs, ys) #绘制条形图
plt.xticks(xsm ['x_{}'.format(x+1) for x in xs]) #设置xtick
plt.show()

饼图

import matplotlib.pyplot as plt
labels = ['apple', 'orange', 'pear', 'peach'] #四个label
sizes = [15, 20, 17, 35] #四个size
explode = [0, 0.1, 0, 0] #四个偏移量
fig1, ax1 = plt.subplots() #通过无参的subplots方法，同时获得figure对象和axes对象
ax1.pie(sizes, explode = explode ,labels = labels, autopct = '%1.1f%%',
		shadow = True, startangle = 90) #绘制饼图 autopct：自动根据数值进行百分比运算
plt.show()

matplotib官方提供了一个gallery页面，展示了各种缩略图及对应代码，在画图前，可以快速浏览、从里面找到想要的图，然后点击进入代码界面，然后复制修改样例代码即可，非常方便。

高级封装Seaborn

基于Matplotib核心库进行了更高阶的API封装，可以让你轻松地画出更漂亮的统计图形。Seaborn的漂亮主要体现在配色更加舒服、图形元素的样式更加细腻。

我们可以通过使用seaborn，仅加入一行（不包括import），使上述的柱状图更好看：

如修改上面的条形统计图样例：

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sbn
sbn.set(style = 'darkgrid', palette = 'deep') #设置style为暗色分块， 调色板(palette)为深暗色

xs = np.arange(0, 10)
ys = np.random.randint(100, 200, 10)

plt.bar(xs, ys) #绘制条形图
plt.xticks(xsm ['x_{}'.format(x+1) for x in xs]) #设置xtick
plt.show()

seaborn主要提供了好看的统计图接口，它的接口十分清晰，主要的四种统计接口，

1，可视化统计关系：使用散点图、直线图，对数据进行关联性分析；
2，可视化数据分布：使用直方图、累积分布图、核密度图、多变量分布图，来展示数据分布；
3，用分类数据绘图：使用分类散点图、分类分布图、分类估计图，来展示离散的类别数据；
4，可视化回归模型：在上述可视化的基础上，做一些简单的回归拟合；

更详细的参考下面链接：http://seaborn.pydata.org/tutorial.html