Matplotlib数据可视化学习打卡-Task01

学习目标：

半个月掌握 Matplotlib入门知识

---

学习目录：

1、认识matplotlib
2、 一个最简单的绘图例子
3、 Figure的组成¶
4、 两种绘图接口
5、 作业1：你在工作或学习中通常何时会用到数据可视化，希望通过可视化达到什么目的？

---

学习时间：

2020-12-14 9:00

---

笔记内容：

1、认识matplotlib

Matplotlib是一个Python
2D绘图库，能够以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形，用来绘制各种静态，动态，交互式的图表。

Matplotlib是python中公认的数据可视化工具，我们所熟知的pandas和seaborn的绘图接口其实也是基于matplotlib所作的高级封装。

2、 一个最简单的绘图例子

（1）导入matplotlib

import matplotlib.pyplot as plt
import numpy as np

（2）最简单的创建figure以及axes的方式是通过pyplot.subplots命令，创建axes以后，可以使用Axes.plot绘制最简易的折线图。

fig, ax = plt.subplots()# 创建一个包含一个axes的figure
ax.plot([3,5,6,9,],[2,4,3,7]) # 绘制图像

（3）和MATLAB命令类似，你还可以通过一种更简单的方式绘制图像，matplotlib.pyplot方法能够直接在当前axes上绘制图像，如果用户未指定axes，matplotlib会帮你自动创建一个。

plt.plot([3,5,6,9,],[2,4,3,7])

3、Figure的组成

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），一副完整的图像实际上是各类子元素的集合。

Figure：顶层级，用来容纳所有绘图元素

Axes：matplotlib宇宙的核心，容纳了大量元素用来构造一幅幅子图，一个figure可以由一个或多个子图组成

Axis：axes的下属层级，用于处理所有和坐标轴，网格有关的元素

Tick：axis的下属层级，用来处理所有和刻度有关的元素

4、 两种绘图接口

（1）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)

x = np.linspace(0, 1, 100)#numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

fig, ax = plt.subplots()  
ax.plot(x, x, label='linear')  
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() 

（2）依赖pyplot自动创建figure和axes，并绘图

x = np.linspace(0, 2, 100)

plt.plot(x, x, label='linear') 
plt.plot(x, x**2, label='quadratic')  
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')#不同与第一种的set_xlabel
plt.ylabel('y label')#不同与第一种的set_ylabel
plt.title("Simple Plot")#不同与第一种的set_title
plt.legend()

5、 作业1：你在工作或学习中通常何时会用到数据可视化，希望通过可视化达到什么目的？

场景1: 数据挖掘的EDA阶段用于熟悉数据集，了解数据集探索变量之间相互的关系以及变量与预测值之间的数值的关系。

场景2: 数据分析报告等，提供给数据分析报告读者对数据更直观的感受。
希望通过学习数据可视化练习，加深自己对数据分析以及python matplotlib的了解，在未来能够熟练的应用到求职面试以及实际工作之中。