数据分析（1）Matplotlib基础内容

一. Matplotlib基础知识

通常情况下，我们可以将一副Matplotlib图像分成三层结构：

• 第一层是底层的容器层，主要包括Canvas(画板)、Figure(画布、图片)、Axes(图表)； 一个axes代表一个图表，包含一个plot，一个figure代表一张画布绘制一张图片，一张图片或一张画布可以有多个图表；canvas画板，摆放画布的工具。关系：画板→画布或图片→线条、饼图等图片；
• 第二层是辅助显示层，主要包括Axis(坐标轴)、Spines(绘图区边框线)、Tick(坐标刻度)、Grid(网格)、Legend(图例)、Title(标题)等，该层可通过set_axis_off()或set_frame_on(False)等方法设置不显示；
• 第三层是图像层，即通过plot、contour、scatter等方法绘制的图像。

Matplotlib绘制图表的构成如下图所示：

（一）底层容器层

容器层主要由Canvas、Figure、Axes组成：

• Canvas是位于最底层的系统层，在绘图的过程中充当画板的角色，即放置画布的工具。通常情况下，我们并不需要对Canvas特别的声明，但是当我需要在其他模块如PyQt中调用Matplotlib模块绘图时，就需要首先声明Canvas，这就相当于我们在自家画室画画不用强调要用画板，出去写生时要特意带一块画板。
• Figure是Canvas上方的第一层，也是需要用户来操作的应用层的第一层，在绘图的过程中充当画布的角色。当我们对Figure大小、背景色彩等进行设置的时候，就相当于是选择画布大小、材质的过程。因此，每当我们绘图的时候，写的第一行就是创建Figure的代码。
• Axes是应用层的第二层，在绘图的过程中相当于画布上的绘图区的角色。一个Figure对象可以包含多个Axes对象，每个Axes都是一个独立的坐标系，绘图过程中的所有图像都是基于坐标系绘制的。
  

1. 画布Figure

在Matplotlib中，整个图表是一个figure对象。我们可以用plt.figure创建一个新的Figure，创建完之后会弹出一个空窗口。figure函数的调用方式如下：

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class'matplotlib.figure.Figure'>, **kwargs)

主要参数说明：

参数	属性	描述
num	整数或字符串，可选参数	Num=n 选择图表 n 或创建图表 n
figsize	二维元组	创建指定大小的图像，单位：尺寸
dpi	整数值	每英寸的像素数，默认 80
facecolor	字符串	背景颜色
edgecolor	字符串	边框颜色
frameon	布尔值	是否显示边框

plt.figure有一些选项，特别是figsize，它用于确保当图片保存到磁盘时具有一定大小和横纵比，通过plt.gcf()函数即可得到当前Figure的引用。

（1）plt.subplot()

Figure只是弹出一个空白的窗口，不能通过Figure绘图，必须使用subplot()函数创建一个或多个subplot才行，如下示例：

ax1 = plt.subplot(2,2,1)

这条代码的意思是：创建的2×2的subplot，且当前选中的是4个subplot中的第一个（编号从1开始）。

subplot函数的具体调用方式如下：

matplotlib.pyplot.subplot(*args, **kwargs)

在一个图表中绘制多个子图时，此函数调用时传递的参数如下：

matplotlib.pyplot.subplot(nrows, ncols, plot_number, axisbg, polar, projection)

参数说明如下：

参数	描述
nrows	nrows 表示图的行数
ncols	ncols 表示图的列数
plot_number	plot_number 表示第几个子图
axisbg	axisbg=color，表示所选子图背景颜色
polar	polar=False，是否为极地投影，默认值为False
projection	使用指定的投影方式，该方式使用之前需要已经注册(registered)

绘图区分为 nrows 行和 ncols 列，从左到右、从上到下顺序对每个区域进行编号，左上区编号为 1。上述三个参数均小于 10 时，中间逗号可以省略，也可以保留。例如：

import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn

plt.Figure()
ax1 = plt.subplot(2,2,1)
ax2 = plt.subplot(2,2,2)
ax3 = plt.subplot(2,2,3)
ax1.hist(randn(100), bins=20, color='k', alpha=0.3)
ax2.scatter(np.arange(30), np.arange(30)+3*randn(30))
ax3.plot(randn(50).cumsum(), 'k--')
plt.show()

（2）plt.subplots()

另外，我们也可以使用plt.subplots()函数，它可以创建一个新的Figure，并返回一个包含已创建的subplot对象的Numpy数组，可以轻松地对axes数组进行索引，就好像一个二维数组一样。如果用 subplots 创建了多个子图，那么 axes 就是一个列表，用索引列表元素的方法就能获取到每一个 axes，所以 axes 也能够写入循环中。plt.subplots()调用格式如下：

matplotlib.pyplot.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

参数说明如下：

参数	属性	描述
nrows	整数	subplot 网格行数，默认值为1
ncols	整数	subplot 网格列数，默认值为1
sharex	布尔参量或字符串(“row”, “col”, “all”, 或“none”)	若为 True：对所有子图共用 x 轴(最后一行除外),'all’等同于 True；‘None’等同于 False；若为‘col’每列子图共享 x 轴；若为’row’每行子图共享 x 轴
sharey	布尔参量或字符串(“row”, “col”, “all”, 或“none”)	若为 True：对所有子图共用 y 轴(最后一行除外),'all’等同于 True；‘None’等同于 False；若为‘col’每列子图共享 y 轴；若为’row’每行子图共享 y 轴
squeeze	布尔参量	若为 True，额外维度被剔除：若为 False，没有改变，返回二维数组
subplot_kw	字典数据	查询 add_subplot()
fig_kw	字典数据	figure()

在默认情况下，matplotlib会在subplot外围留下一定的边距，并在subplot之间留下一定的间距，间距与图像的高度和宽度有关，如果你调整了图像的大小其间距也会调整。我们可以利用Figure的subplot_adjust()函数可以轻而易举地修改间距。

matplotlib.pyplot.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

各个参数取值范围为[0-1]。wspace和hspace用于控制宽度和高度的百分比，可以用作subplot之间的间距调整。例如：

import matplotlib.pyplot as plt
from numpy.random import randn

fig, axes = plt.subplots(2,2,sharex=True,sharey=True)
for i in range(2):
    for j in range(2):
        axes[i,j].hist(randn(50),bins=50,color='k',alpha=0.5)
plt.subplots_adjust(wspace=0,hspace=0)
plt.show()

（3）fig.add_subplot()

通常我们创建图形时，首先会用 fig = plt.figure() 创建一个 “画板”，并定义画板名称为 fig，此时画板是空白的，通过 ax = fig.add_subplot() 向画板中添加新的画布，并为画布指定名字为 “ax”，然后就可以单独给这个画布设置各种属性了。例如：

import matplotlib.pyplot as plt
import numpy as np
from pandas import Series

data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index=['2012','2013','2014','2015','2016','2017'])
fig = plt.figure(facecolor='w')
ax1 = fig.add_subplot(111)
ax1.plot(data,label='income', color = 'r', linestyle=':',  marker = 's')
ax1.set_title('Income chart')
ax1.set_xlabel('Year')
ax1.set_ylabel('Income')
ax1.annotate('Largest point',xy=(5,2.60),xytext=(3,2.5), arrowprops=dict(arrowstyle='->'))
plt.show()

当我们利用 add_subplot() 函数绘制多幅子图时，分别定义每个子图。例如：

import matplotlib.pyplot as plt
import numpy as np

x1 = np.arange(1, 6)
x2 = np.arange(1, 11)
y1 = x1 ** 2
y2 = x1 ** 3
y3 = x2 ** 2
# create figure and axes
fig = plt.figure()
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(212)
ax1.bar(x1, y1)
ax2.scatter(x1, y2)
ax3.plot(x2, y3)
plt.show()

2. 图表Axes

Axis 指 x、y 坐标轴等（如果有三维那就还有 z 轴），代表的是 “坐标轴”。而 Axes 在英文里是 Axis 的复数形式，也就是说 axes 代表的其实是 figure 当中的一套坐标轴。之所以说一套而不是两个坐标轴，是因为如果你画三维的图，axes 就代表 3 根坐标轴了。所以，在一个 figure 当中，每添加一次 subplot ，其实就是添加了一套坐标轴，也就是添加了一个 axes，放在二维坐标里就是你添加了两根坐标轴，分别是 x 轴和 y 轴。所以当你只画一个图的时候，plt.xxx 与 ax.xxx 其实都是作用在相同的图上的。

简言之，figure 是作图时的一个大画板，而 axes 是在这个画板上的很多幅画布（子图），绘制的所有图都在画布（axes）上。例如下面这副漫画，定义 4 个 subplot，自然就有 4 个Axes。

很多地方说 plt.plot()、plt.scatter()、plt.bar()，其实本质上还是在 axes 上画图，可以将他们理解为：先在 figure（画板）上获取一个当前要操作的 axes（画布），如果没有 axes 就自动创建一个并将其设为当前的 axes，然后在当前这个 axes 上执行各种绘图功能。

（二）辅助显示层

辅助显示层显示Axes内除了根据数据绘制出的图像以外的内容，主要包括外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。该层的设置可使图像显示更加直观更加容易被用户理解，但又并不会对图像产生实质的影响。

1. 标题Title

（1）plt.title()

Matplotlib中设置图表标题的函数是plt.title()，该函数的调用方式如下：

matplotlib.pyplot.title(label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs)

参数说明如下：

参数	属性	描述
label	字符串	标题文本
fontdict	字典类型	控制文本的字体属性
loc	取值范围为{'left', 'center', 'right'}	控制标题的位置，默认值为rcParams["axes.titlelocation"]（'center'）
y	浮点数	设置标题在子图中的垂直距离，单位为%，1.0代表在子图最顶部，None则自动确定标题位置，避免与其他元素重叠。默认值为rcParams["axes.titley"] (None)
pad	浮点数	设置标题与子图的填充距离（内边距），默认值为default: rcParams["axes.titlepad"] (6.0)
**kwargs	Text 对象关键字属性	用于控制文本的外观属性，如字体、文本颜色等

上述参数中，fontdict的默认值为：

{
   'fontsize': rcParams['axes.titlesize'],
 'fontweight': rcParams['axes.titleweight'],
 'color': rcParams['axes.titlecolor'],
 'verticalalignment': 'baseline',
 'horizontalalignment': loc}

例如：绘制心形线

import matplotlib.pyplot as plt
import numpy as np

t = np.linspace(0, np.math.pi, 1000)
x = np.sin(t)
y = np.cos(t) + np.power(x, 2.0 / 3)
plt.plot(x, y, color='red', linewidth=2)
plt.plot(-x, y, color='red', linewidth=2)
plt.title("Heart", fontdict={
   'fontsize': 15, 'color': 'darkgreen',}, pad=15)
plt.ylim(-2, 2)
plt.xlim(-2, 2)
plt.show()

（2）plt.suptitle()

plt.suptitle() 函数用于设置整个Figure的标题，该函数的调用格式如下：

matplotlib.pyplot.suptitle(t, **kwargs)

函数主要参数如下：

参数	属性	描述
t	字符串类型	设置标题文本
x	浮点数	设置标题在图像水平方向相对位置，默认值为0.5
y	浮点数	设置标题在图像垂直方向相对位置，默认值为0.98
fontdict	字典类型	控制文本的字体属性
horizontalalignment（缩写ha）	字符串类型，取值范围{'center', 'left', right'}	设置相对于(x,y)的水平方向对齐方式，默认值为'center'
verticalalignment（缩写va）	字符串类型，取值范围{'top', 'center', 'bottom', 'baseline'}	设置相对于(x,y)的垂直方向对齐方式，默认值为'top'
fontsize（缩写size）	浮点数或{'xx-small', 'x-small', 'small', 'medium', 'large', 'x-large', 'xx-large'}	设置文本的字体大小，默认值为rcParams["figure.titlesize"] ('large')
fontweight（缩写weight）	0-1000的整数或{'ultralight', 'light', 'normal', 'regular', 'book', 'medium', 'roman', 'semibold', 'demibold', 'demi', 'bold', 'heavy', 'extra bold', 'black'}	设置文本的字重
**kwargs	Text 对象关键字属性	用于控制文本的外观属性，如字体、文本颜色等

例如：绘制三角函数Sine、Cosine和Tangent的图形

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']
plt.rcParams["font.family"]="sans-serif"
mpl.rcParams['axes.unicode_minus'] = False
x = np.arange(-0.49 * np.pi, 0.49 * np.pi, 0.01)
y_sin = np.sin(x)
y_cos = np.cos(x)
y_tan = np.tan(x)
# 绘制正弦图
plt.subplot(2,  2,  1)
plt.plot(x, y_sin, "--")
plt