Matplotlib基础知识

Matplotlib是数据可视化的基础，可以用来绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等 matplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式。
  导入方式

import matplotlib.pyplot as plt

  英文释义

英文	汉语
plot	n情节；v绘制表格，密谋
grid	网格
tick	标记，刻度
axis	轴
axes	轴的复数形式，坐标系，区域

几个对象的关系

figure相当于画板，axis就是一幅图的两个轴，axes就是两个轴围成的区域，这个有时也会翻译成坐标系。一个画板可以有多个区域（每个区域上都有对的画），每个区域都对应着两个轴。

一般网上的教程都是直接使用plt.XXX来直接画图，实际上这是一种简便的方式，也容易让人迷糊，plt操作的figure和axes默认是针对当前的figure和axis。这并不容易理解，所以我们就按照fig.XXX和ax.XXX去操作。

基础设置

1、中文显示

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

设置了中文显示之后，负号就不能正常显示了，所以需要加第二行代码。

2、恢复rc设置

plt.rcdefaults()

3、图像显示在窗口中

打开一个窗口显示图片，并且可以缩放图片，还可以保存高清png图片

%matplotlib qt5

4、图像显示在代码区域中

在jupyter notebook中显示在代码区域

%matplotlib inline

一、figure画板

一般来说，我们一次只会生成一个figure，因为这样不容易乱，但也可以同时存在多个figure，需要操作哪个figure就操作哪个，前提是我们在生成figure时，接受了他的返回值，这样就可以随心操作。

但是有一点，生成了figure之后，直接plt.show（）是显示不出什么的，因为上面还没有axes，而且plt.show（）不是说figure.show()，而是axes或者是其他东西的show()（具体我也不知道），但是现在只生成了一个figure。

生成figure

f1 = plt.figure(num=1)
#返回画布，因为后面要直接对其操作，所以接收这个返回值
f2 = plt.figure(num=2)

还可以在生成figure画板时，设置其大小、分辨率

f3 = plt.figure(num=3, figsize=[3,3], dpi=200, linewidth=3, edgecolor="r", facecolor="y")

figure画板的属性

属性名	含义
num	画板编号
figsize	画板大小（列表），宽、高
dpi	分辨率，（图形每英寸的点数），默认是100
facecolor	画板的颜色，默认白色
linewidth	画板的边的宽度，默认是0
edgecolor	画板的边的颜色，边的宽度不能为0，默认白色

疑问：facecolor是背景颜色吗，创建figure时会默认建立一个axes区域吗？

一旦使用了plt.show()，将图片打印之后，这个figure连同上面的图片都会消失。

小验证。

所以，当我们在一个figure上的图像还没有画完的时候不要plt.show()

二、axes区域

（1）两个轴围成的区域称为axes（当然，三维图就是三条轴了）。
（2）区域之间可以重叠，并列。
1、axes生成方式

方法一

  ax1 = fig.add_subplot(2,2,1)

方法二

 axes = fig.subplots(2,2)
 ax1 = axes[0,1]
 #axes是一个二维数组，元素是AxesSubplot，一次只能取出一个
 
 ax1 = axes[0:2,1]#这种是不对的，此时ax1还是一个数组，数组里包括两个元素。

fig.subplots()只能划分平均的区域，fig.add_subplot()可以不均匀的划分。

对于axes用来生成subplot的方法只有这两种，但是plt.subplot（）也可以，功能和fig.add_subplot()很相似。所以就不用管了。

在生成子图时，需要注意，不要新图把之前的图给覆盖了。例如

2、在axes上画图

代码	图像类别
scatter	散点图
bar	柱状图
barh	横向柱状图
plot	可以根据fmt的不同，生成散点图、连线图
pie	饼图

下面讲解每种图的代码使用。

（1）plot(x, y, fmt, label …)参数中可以跟很多对数据，可以一次画很多线。

一对变量的情况
x,y
如果有两个参数，那么这两个分别是自变量和因变量。
如果只有一个参数，那么就是认为他是因变量，自变量默认使用0开始的整数。
fmt
这是用来设置线条和标记的颜色、线条形状、标记形状。



一对就可以这样写

ax1.plot(x, y, "b--*")
或者
ax1.plot(x, "b--*")#这里x做因变量

多对的写法，但是如果写了label，就只能写一组了

ax1.plot(x1, y1, x2, y2, "r-v", y3, "g:o")
这里一共有三对第一对是x1和y1，她们的格式采用默认的
第二对x2和y2，格式采用"r-v"
第三对的自变量是默认的，因变量是y3，格式为"g:o"

只有ax1.plot()可以将多组线条放在一起画，其他的散点图、柱状图、饼图不行。
对于ax1.plot（）的省略自变量的形式，注意ax1.plot（x,y1,y2）可以，会把前两个看成一对，但是如果你的本意是这三个都是因变量的话，要么就分开写，要么每个之间加上fmt格式设置。

（2）scatter散点图
ax1.scatter(x, y, s, c, marker， label)

1. x和y是两个变量，
2. s是size的缩写，用来表示散点的大小，可以是整数。也可以是和xy相同长度的整数数组
3. c是color的缩写，是散点的颜色
4. marker是散点的形状
5. label，设置这一组的图例名

但是不可以一次放入多组数据，想要一张图上画多组散点图，需要多次scatter()

ax.scatter(A1,B,s=9,c="r",marker="v")
ax.scatter(A1,C,s=9,c="b",marker="*")

(3)bar柱状图

ax1.bar(x, y, color, width, label)

1. x, y就是柱子的种类（自变量）和柱子的高度（因变量）
2. color,柱子的颜色
3. width,柱子的宽度
4. label，设置这一组的图例名
   和散点图一样，如果想要画多组柱状图，需要多次调用，但是要注意柱子之间会互相掩盖，所以当想要绘制簇拥柱状图时，需要考虑到自变量的平移。

"""
move=width 紧挨着
move > width  有空隙
move < width 重叠
"""

x = [1,2,3,4]
y = [10,30,20,60]
z = [u+1 for u in y]
move = 0.4

fig = plt.figure(dpi=100)
ax = fig.add_subplot(2,2,1)
ax.bar(x, y,width=0.3)
ax.bar([u+move for u in x], z, width=0.3)
ax.set_xticks([i+move/2 for i in month],month_fmt)
plt.show()

另外，想要在柱状图的每根柱子上显示数字，没有现成的函数，但是可以根据每根柱子的位置，添加text来实现，这就需要在生成柱子时，接收他的返回值，再使用get_x()，get_height()，get_width()。

（4）pie饼图
ax1.pie(x, label, colors, explode, autopct, labeldistance, radius)

1. x是各种类别占据的比例，也可以不是百分比，它会自动计算比例。
2. label是每种比例的标签名
3. colors是每种类别的配色，可以自行设置，需要是灰度形式的
4. explode是每一块饼的偏移（爆炸开的）距离
5. autopct是显示在饼上，对应类别所占的比例
6. labeldistance是label标签距离中心的位置
7. radius是饼的半径

3、显示图例
使用ax.legend()，只有在ax画图时设置了label属性才能显示。
  3.1设置图例

ax1.plot(x, y, label="图例一")

  3.2显示图例

ax1.lengend()

  3.3参数设置

属性	作用
title	设置图例的标题
frameon	False是去掉图例的边框，默认是True
edgecolor	设置图例边框颜色，要求有边框
facecolor	设置图例背景颜色，要求有边框
loc	设置图例在图片中的位置

loc的设置，上中下（upper center lower），左中右（left center right），或者不设置，就是按照best设置。

ax1.legend(loc="upper left")

  3.4移除图例

ax1.legend_remove()

  3.5设置多组图例
在画图的时候，接收返回值z，在legend中对几个z组合成一组图例。

4、在图片中放入带箭头的注释

ax1.annotate(s, xy, xytext, arrowprops)

1. s是注释的文本内容。
2. xy是箭头所指的点，默认是按照自变量和因变量的值对的元组，还可以是比例等。
3. xytext是文本的所在位置，也是一个元组。
4. arrowprops用来设置箭头的属性，是一个字典，下面详细讲解

参数arrowprops字典的常用的键有arrowstyle和connectionstyle前者设置箭头样式，后者设置箭尾的弧度和旋转半径。

• arrowstyle设置箭头样式,一般就是下面截图中的几个
  
  connectionstyle=‘arc3,rad=0.2’

fi1 = plt.figure("图像一")
ax1 = fi1.add_subplot(1,1,1)
ax1.scatter(A1,C,label="点点")
ax1.legend(loc="upper center",edgecolor='y',facecolor='r')
ax1.set_xlim(0,10)
ax1.plot(A1,B)
ax1.annotate("文字",
             xy=(5,10),
             xytext=(7,15),
             arrowprops=dict(arrowstyle = "<-",
                             connectionstyle='arc3,rad=0.2'))
ax3.bar(A2,D,width=0.5)
plt.show()

5、坐标轴的取点，以及每个点上显示什么label
ax1.set_xticks()和ax1.et_xticklabels()以及ax1.set_xlim()

代码	含义
ax1.set()	可以设置标题、坐标轴
ax1.set_xlabel( xlabel )	设置横坐标轴
ax1.xlim(a,b)	设置横坐标的数值范围
ax1.set_xticks()	设置自变量轴的刻度
ax1.set_xticklabels()	设置自变量每个显示的点上，要显示什么
ax1.set_title( title )	设置图像上方标题
ax1.legend()	显示图例
ax1.text ( text )	在图片的任意位置添加文字
ax1.annotate（）	添加带有文字的箭头标记
ax1.grid(True)	显示网格

三、matplotlib在pandas中画图

目前有很多的开源框架所实现的绘图功能是基于matplotlib的，pandas便是其中之一。

pandas的两类基本数据结构series和dataframe都提供了一个统一的接口plot()

在pandas绘图过程中同样会出现中文无法正常显示的问题，还是需要导入matplotlib.pyplot包，进行设置，因为pandas是基于matplotlib.pyplot的所以很快就能执行完成，然后再设置就行了。

四、 matplotlib在numpy中画图

五、保存图片

plt.savefig(filepath)

可以保存为jpg、png、pdf

但是必须要在plt.show()之前，不然保存的就是空白图片

plt.savefig(r"C:\Users\lenovo\Desktop\哈哈.jpg")
plt.savefig(r"C:\Users\lenovo\Desktop\哈哈.png")
plt.savefig(r"C:\Users\lenovo\Desktop\哈哈.pdf")

六、一些奇特的技巧

1、漫画风格的图像
必须使用plt.xkcd()而不是ax1.xkcd()，并且设置之后，所有的图像都是漫画风格的，即使是在plt.show()之后。
并且这种漫画风格默认不支持中文，而且在这里中文的设置很麻烦，所以使用这个就不要用中文坐标轴、图例、表名了。
必须使用plt.rcdefaults()清除rc设置才行，清除设置之后，前面中文的rc设置也没了，需要重新设置。

清除设置，并重设汉字

plt.rcdefaults()
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

2、