透视Matplotlib核心功能和工具包 - 面向对象API

如“透视Matplotlib核心功能和工具包 - 结构”所述，Matplotlib具有三层体系结构，顶层称为脚本层，并通过pyplot（）API实现。 该API是为没有太多编程经验的用户设计的，因此它使用户免受使用底部两层（美工和后端）创建和渲染图的复杂性的困扰。 对于使用高级功能（例如补丁，集合，使用事件，回调，动画和窗口小部件的交互式绘图）的复杂应用程序，我们将必须使用面向对象的API。 但是，要利用此API的全部潜能，需要大量的Python编码经验。 随着新版本Matplotlib的发布，越来越多的这些功能正在转移到pyplot API中，从而减少了对面向对象API的依赖。

面向对象的API名称有点令人困惑，因为它可能给人的印象是pyplot API不是面向对象的，这是不正确的。 它仅意味着面向对象的API会直接使用美工和后端层，而绕过脚本层（不使用pyplot API）。 它提供了使用Matplotlib提供的完整功能的灵活性，而pyplot API提供了其中的一部分。

使用pyplot和API绘制相关矩阵

在此，我们将了解pyplot和面向对象的API之间的区别。 我们将首先使用pyplot API然后再使用面向对象的API绘制相同的相关矩阵。 我们将使用相同的葡萄酒质量数据集绘制相关矩阵。

• 为pyplot API导入以下库：

import pandas as pd
import matplotlib.pyplot as plt

*   为面向对象的API导入以下库：

    ```
import pandas as pd
from matplotlib.backends.backend_agg import FigureCanvasAgg as FigureCanvas
from matplotlib.figure import Figure
from IPython.core.display import display

matplotlib.backends具有它支持的一组后端。 在这里，我们将导入FigureCanvasAgg，它提供了用于绘制图形的空间并将其映射到定义的后端设备。

IPython.core.display允许将绘图显示到输出设备上。

以下代码块使用pandas读取数据并使用pyplot API绘制相关矩阵。 这与我们在”透视Matplotlib核心功能和工具包 - 基础绘图“中绘制热图的方式相同：

1. 将数据从CSV文件读取到pandas DataFrame中：

wine_quality = pd.read_csv('winequality.csv', delimiter=';')

2. 获取wine_quality所有属性的相关矩阵：

corr = wine_quality.corr()

3. 定义图形的大小，并绘制图像和相关的颜色条：

plt.figure(figsize=(12,9))
plt.imshow(corr,cmap='hot')
plt.colorbar()

4. 设置图形的标题和对号，并将其显示在屏幕上：

plt.title('Correlation Matrix')
plt.xticks(range(len(corr)),corr.columns, fontsize=10, fontweight='bold',rotation=45)
plt.yticks(range(len(corr)),corr.columns)

plt.show()

我们已经熟悉了前面代码块中的所有命令，因为我们已经在”透视Matplotlib核心功能和工具包 - 基础绘图“和透视Matplotlib核心功能和工具包 - 可视化开发中学习了它们。

以下代码块使用面向对象的API（不使用pyplot API）绘制相同的关联图：

1. 将数据从CSV文件读取到pandas DataFrame中：

wine_quality = pd.read_csv('winequality.csv', delimiter=';')

2. 获取wine_quality所有属性的相关矩阵：

详情参阅 - 亚图跨际