Matplotlib小白学习-1

最新推荐文章于 2023-05-29 11:08:47 发布

梨不吃梨

最新推荐文章于 2023-05-29 11:08:47 发布

阅读量256

点赞数

文章标签： python

本文链接：https://blog.csdn.net/qq_25662395/article/details/106484187

版权

小白才刚开始阅读Matplotlib官方文档-1

应该是黄二白吧，虽然有断断续续地使用matploblib(简称mpl),但是什么都记不住，每次都是要什么直接找度娘，写代码的时间成倍增长。每次找的都是不同的人写的代码，天花乱坠的ax.plot和plt.plot，作为小白的我毫无头绪，生搬硬套，心里虚虚，完全没有掌握天下的感觉。作为一个小白，真是克服了自己的拖延症和惰性，认认真真开始阅读matplotlib的官方文档了(年初就把这个目标写进了今年的计划，现在在开始实现）。

总体框架

作为小白当然是从入门开始慢慢来，先搞清楚总体框架。按照我现在的理解，matplotlib主要就分成两个部分，图像和文字部分。图像部分囊括了包括了所有绘制图像的函数以及为图像美观服务的axis,color,linewidth等部分；而文字部分，主要就是图中的文字标注。但其实后者也是为图像绘制而服务的，二者交叉，分解也不是太明显，我这里的文字部分☞的就仅仅是关于文中数字标注。

Usage Guide

这部分的阅读主要有三点很重要：

搞清楚了一个图像的各种组成部分
plt.plot 和 ax.plot的区别
深刻体会小甲鱼常说的那句话：在python中，一切都是对象！！

figure的组成部分

mpl是一个可以创建figure的库，figure是mpl的终极目标。一个图（figure)可以有多个子图（axes), 一个子图有至少2个坐标轴（axis)，万一是三位坐标呢。要严格区分axes与axis, axes不是数学上的axis的复数的意思，它就是指一个子图，一个figure中的一个绘图区域。为了明晰图意，图中必要的会有坐标轴–x,y(,z), 坐标轴的刻度线，网格线，标题等等。所有包含在figure里的东西，也包括figure本身，都是artist。
figure的组成部分
我们可以通过：

fig = plt.figure() 
#创建一个figure,这个figure里面默认只有一个axes,这个axes的内容就是figure的全部内容
#可以通过plt.subplot(211)后续添加；设定有两行一列共2个子图，现在先画第一个，返回第一个子图
#上一行代码也可以通过fig.add.subplot(211)有同样的效果，返回对象是第一个子图

fig, ax = plt.subplots()
#同样的创建一个子图，这里只是把plt.subpots(1)的返回值赋予了fig和ax

fig,axes = plt.subplots(22)
#创建一个2行行列共4个子图

plt.plot和ax.plot的区别

二者Matplotlib绘图的两种方式:
plt通过自动管理figure和axes来生成图片；
ax是面向对象语法的产物。python可以通过首先明确生成图和子图，并调用对应带函数对子图进行修改；

可以参考上面的第一行和第二行代码的区别。就像排队买演唱会门票一样，对于plt就像是三流不知名歌手,没什么人气，来一个人卖就一个，完全不知道销量，来一个就画一个，;对于ax, 就像是泰勒斯威夫特的巡演，销量一定，供大于求。主办方要做的就是把演唱会门票塞到每一个排对的人手里就好了。ax就是知道了图的总量，往里面依次塞东西就好了。
官方文档建议，尽量只是用一种方法绘图。建议交互式绘图采用plt, 如jupyter notebook;非交互式的采用面向对象的绘图方法，比如python script。虽然用jupyter较多，但是我莫名觉得用非交互的方法很好记，但是实际上二者差别不大，基本上你看得到ax.set…之类的就是非交互式的绘图方法了。

python：面向对象的一切

面向对象的一切是指一切东西都有返回值；如果没有，都会返回None。所以，每一个artist都可以用通过返回的artist对象本身来修改其属性；
plt.setp(artist对象，linewidth,color,…) (setp是set_property的简称）

并且还有一些图是只能通过返回的artist对象来设置的，比如：
markline,stemlines,baseline = ax.stem(data,)
时间流线图
具体的还是看看官方文档吧！
官方文档的这一部分还包括了后端、渲染等等，我觉得我暂时还用不上，看了个大概，要是以后有需要还会自己钻研，现在还是能力不够，而且也没有需要，偷偷懒=_=

Pyplot tutorial

Introductory 这一部分就开始简单绘图了，讲述内容集中在2D图的绘制方法，以及其相关属性，并初步涉及了text。我就不pose主要的内容了，记录一下我新学到的知识。

plt.plt()只输入一个数据对象，则把其当作为y值，x值默认从0开始，逐1增加；
Matplotlib 的输入数据最好是np.array, 对于list输入在部分数据操作上可能出现问题；并且，Matplotlib会在函数绘制中把list自动转换成np.array
plt.plot (ax.plot) 不仅仅可以绘制线形图，还可以绘制散点图；并且，在散点属性较为情况下，采用plot比用scatter更快。

用关键字绘图。当采用data关键字时，绘图时自动提取列名为对应参数的列值作为输入数据。

data = {'a': np.arange(50),
        'c': np.random.randint(0, 50, 50),
        'd': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100

plt.scatter('a', 'b', c='c', s='d', data=data)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()

结语

嗯，今天还读了stem, boxplot的绘制方法，一点一点地啃，发现理解得更透彻了。好像还突然打开了新世界的大门，tranform这个东西读了个半懂不懂，反正就是在fig、axes、display之间相互转换，要是想看看想学学怎么画线的阴影的朋友可以读一读transformation tutorials的相关文档。（剧透，用transforms.offset_copy(ax.transData,fig=fig, dx, dy, units=‘inches’) 把像素点大小转换成data unit大小并在图中绘出，跟shapely的parallel有点像）。
我还会继续读下去的，努力做一个政府matplotlob，绘图时键盘飞快的小强人。。。（先挖坑）。