【DataWhale数据可视化学习】认识Matplotlib

DataWhale学习笔记：http://datawhale.club/t/topic/538

matplotlib介绍

• 是2D绘图库，可以以多种硬拷贝和跨平台的交互环境生成出版物质量的图形，可以用来绘制各种静态、动态、交互式的图表。
• 是公认的数据可视化工具，pandas和seaborn的绘图接口也是基于此的高级封装。

简单绘图例子

• 图像是画在figure（canvas画布，包括标题、标签等元素）上的，每个figure又可以包含一个或者多个axes。
• 可以使用figure1 = plt.figure( )来创建一个空画布
• 可以用axes1 = figure1.add_subplot( )来向画布中添加一个空的坐标

绘制折线图

• 通过pyplot.subplots命令，创建axes后，可以使用Axes.plot绘制简单折线图。
• 在Spyder中，可以直接写前四行代码，但是在pycharm中，必须加上plt.show()才可以将图像显示出来。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()  # 创建一个包含一个axes的figure
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # 绘制图像

plt.show()  #显示出图像

Figure的组成

完整的matplotlib图像通常会包括以下四个层级（容器），在matplotlib中，将通过各种命令方法来操作图像中每一部分，从而达到数据可视化的效果，一幅完整的图像就是各类子元素的集合。

• Figure：顶级层，用来容纳所有绘图元素
• Axes：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。（2D绘图）
• Axis：axes下属层级，用来处理所有和坐标轴、网格有关的元素（具体的x轴或者y轴，可以用Axes.get_xaxis( )来对x轴进行操作）
• Tick：axes下属层级，用来处理所有和刻度有关的元素

两种绘图接口

matplotlib提供了两种绘图接口：

• 显式创建figure和axes，在上面调用绘图方法，被称为OO模式
• 依赖pyplot自动创建figure和axes

OO模式

• 用ax.legend( )增加图例，显示labels

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2, 100)
#numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
#在指定的间隔内返回均匀间隔的数字，返回num均匀分布的样本，在[start, stop]，这个区间的端点可以任意的被排除在外。

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( )

pyplot自动创建

import matplotlib.pyplot as plt
import numpy as np

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

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( )

结果同上