【Ryo】Python：绘图之Matplotlib

利用Python进行图形描绘是美化图形，进行数分可视化展示的重要途径。本文缝合了许多保姆级教学的案例，整理自用欢迎大家参考~

研究内容	软件	日期
图形绘制	Python3(vs)	2021年6月5日

△△△△△本文为个人项目练习，仅供参考，如有不足欢迎讨论 △△△△△

一、神器Matplotlib

绘图的包基本上就几个，对于大部分的绘图完全够用了。matplotlib首当其冲，是最常用、最新手的绘图包，功能强大调用方便。matplotlib是受MATLAB的启发构建的。MATLAB是数据绘图领域广泛使用的语言和工具。MATLAB语言是面向过程的。利用函数的调用，MATLAB中可以轻松的利用一行命令来绘制直线，然后再用一系列的函数调整结果。

1. 首先介绍一些利用matplotlib进行绘图的基本框架：
   在绘图结构中，figure创建窗口，subplot创建子图。所有的绘画只能在子图上进行。plt表示当前子图，若没有就创建一个子图。所有你会看到一些教程中使用plt进行设置，一些教程使用子图属性进行设置。他们往往存在对应功能函数。figure只能有一个，是大的画布，而子图顾名思义有可以有很多个，是画布内的各个图形。
2. 常见配置参数：
   axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
   figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
   font: 字体集（font family）、字体大小和样式设置
   grid: 设置网格颜色和线性
   legend: 设置图例和其中的文本的显示
   line: 设置线条（颜色、线型、宽度等）和标记
   patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
   savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
   verbose: 设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。
   xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。
3. 进行画布和子图布局：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator

#创建窗口、子图
#先创建窗口，再创建子图。（一定绘制）
fig = plt.figure(num=1, figsize=(15, 8),dpi=200)     #开启一个窗口，同时设置大小，分辨率
ax1 = fig.add_subplot(2,1,1)  #通过fig添加子图，参数：行数，列数，第几个。
ax2 = fig.add_subplot(2,1,2)  #通过fig添加子图，参数：行数，列数，第几个。
print(fig,ax1,ax2)

这样就完成绘制了上下两个子图的一张图：（坐标轴默认参数0-1）

4. 设置子图的细节各个参数：

ax1.set_title('python-drawing')            #设置图体，plt.title
ax1.set_xlabel('x-name')                    #设置x轴名称,plt.xlabel
ax1.set_ylabel('y-name')                    #设置y轴名称,plt.ylabel
plt.axis([-6,6,-10,10])                  #设置横纵坐标轴范围，这个在子图中被分解为下面两个函数
ax1.set_xlim(-5,5)                           #设置横轴范围，会覆盖上面的横坐标,plt.xlim
ax1.set_ylim(-10,10)                         #设置纵轴范围，会覆盖上面的纵坐标,plt.ylim
xmajorLocator = MultipleLocator(2)   #定义横向主刻度标签的刻度差为2的倍数。就是隔几个刻度才显示一个标签文本
ymajorLocator = MultipleLocator(3)   #定义纵向主刻度标签的刻度差为3的倍数。就是隔几个刻度才显示一个标签文本

ax1.xaxis.set_major_locator(xmajorLocator) #x轴 应用定义的横向主刻度格式。如果不应用将采用默认刻度格式
ax1.yaxis.set_major_locator(ymajorLocator) #y轴 应用定义的纵向主刻度格式。如果不应用将采用默认刻度格式

ax1.xaxis.grid(True, which='major')      #x坐标轴的网格使用定义的主刻度格式
ax1.yaxis.grid(True, which='major')      #x坐标轴的网格使用定义的主刻度格式

ax1.set_xticks([])     #去除坐标轴刻度
ax1.set_xticks((-5,-3,-1,1,3,5))  #设置坐标轴刻度
ax1.set_xticklabels(labels=['x1','x2','x3','x4','x5'],rotation=-30,fontsize='small')  #设置刻度的显示文本，rotation旋转角度，fontsize字体大小

这样就完成在子图上分别绘制坐标参数参数：

5. 极坐标绘图

#极坐标
plt.show()
fig = plt.figure(2)                                #新开一个窗口
ax1 = fig.add_subplot(1,2,1,polar=True)                  #启动一个极坐标子图
theta=np.arange(0,2*np.pi,0.02)              #角度数列值
ax1.plot(theta,2*np.ones_like(theta),lw=2)   #画图，参数：角度，半径，lw线宽
ax1.plot(theta,theta/6,linestyle='--',lw=2)           #画图，参数：角度，半径，linestyle样式，lw线宽

ax2 = fig.add_subplot(1,2,2,polar=True)                  #启动一个极坐标子图
ax2.plot(theta,np.cos(5*theta),linestyle='--',lw=2)
ax2.plot(theta,2*np.cos(4*theta),lw=2)

ax2.set_rgrids(np.arange(0.2,2,0.2),angle=45)   #距离网格轴，轴线刻度和显示位置
ax2.set_thetagrids([0,45,90])                   #角度网格轴，范围0-360度

plt.show()

6. 柱状图

#柱状图
plt.figure(3)
x_index = np.arange(5)   #柱的索引
x_data = ('A', 'B'