python可视化模块—快速利用matplot绘制图表

---

一、Matplotlib基本介绍

• Matplotlib是一个可视化绘图库。可以使用这个库轻松地完成线形图、直方图、条形图、误差图或散点图等操作，设置标签、图例、调整绘图大小等。是python中使用最广的绘图库。有很多库（如pandas，seaborn）的绘图功能都是基于matplotlib实现的。

• pyplot 是Matplotlib的一个基于状态的接口，可以快速的 绘制图表，通常我们绘图只需要通过pyplot的接口就可以了。

• 在Jupyter notebook中进行交互式绘图，需要执行一下语句：
  %matplotlib notebook

• 使用matplotlib时，使用的导入的语句
  import matplotlib.pyplot as plt
from matplotlib import pyplot as plt

---

二、两种绘图方式区别（plt.*** 和ax.***）

利用matplotlib画图有两种方式，一个直接调用pyplot模型中的相应函数就可以完成绘图，称为过程式绘图；另一种可以在画布上显示多个图表，称为面向对象绘图，fig.subplots()无参数创建图表，默认创建一个图表。

先matplotlib架构上理解，可以理解为：

matplotlib架构上分为三层  
底层：backend layer
中层：artist layer  
最高层：scripting layer

在任意一层操作都能够实现画图的目的，而且画出来还都一样。但越底层的操作越细节话，越高层越易于人机交互。

plt. 对应的就是最高层 scripting layer。这就是为什么它简单上手，但要调细节就不灵了。

ax.plot 是在 artist layer 上操作。基本上可以实现任何细节的调试。

---

三、如何使用Matplotlib绘图

快速绘图的流程：从左往右

1、画布—绘画的画板

函数接口	函数作用	参数说明
plt.figure()	创建一个新的绘图窗口，设置画布大小。	figsize:参数格式为(width,height)，单位为inch。dpi参数：分辨率，指每inch像素数。默认dpi为100。例figsize=(18,6)
fig.add_subplot(row,col,index)	在新的绘图窗口上创建子图，子图相互独立	无显式参数，逗号可以省略，fig.add_subplot(2,2,2)与fig.add_subplot(222)都可以。 row:行，col:列，index:子图的位置
plt.show()	显示当前figure图像
plt.close()	关闭当前figure窗口

过程式绘图

import matplotlib.pyplot as plt
plt.plot(x,y)	#绘制拆线图
plt.show()		#显示图形

说明：依次调用pyplot模块中的相应函数就可以完成绘图。

面向对象绘图

import matplotlib.pyplot as plt
fig=plt.figure(figsize=(18,6))
ax1=fig.add_subplot(2,2,1) # 创建2*2=4张图，ax1画在第一张图上
ax2=fig.add_subplot(2,2,2) # 创建2*2=4张图，ax2画在第二张图上
ax3=fig.add_subplot(2,2,3) # 创建2*2=4张图，ax3画在第三张图上
ax4=fig.add_subplot(2,2,4) # 创建2*2=4张图，ax4画在第四张图上
plt.show()  # 显示画布
plt.close() # 关闭画布

说明：
1、先通过plt.figure()函数创建一张完整的画面，作为底层，之后的所有操作都在这张画布上完成。
2、再通过figure.add_subplot()函数创建子图，相当于在已创建的画布上再叠加子图，子画布间相互独立，这样就可以达到一次性完成多幅图片的效果。

3、创建多个子图，可通过循环最后一个参数达到效果。

fig=plt.figure(figsize=(18,6))

for i in range(1,5):
	ax=fig.add_subplot(2,2,i)

plt.show()
plt.close()

4、在一张画布上创建子图的其他方法

#方法1
fig=plt.figure()
ax=fig.add_axes([left, bottom, width, height])

#方法2
fig,ax=plt.subplots(行数, 列数)

2、配置—更个性化的绘图

全局配置

过程式和面向对象式配图都适用

• 指定中文字体

函数接口	函数作用	参数说明
matplotlib.font_manager.FontProperties()	指定中文字体	font_path：指定字体的路径。

# 指定中文字体样式、大小
import matplotlib.font_manager as mfm
# 请换成自己电脑的字体路径
font_path = r"c:\windows\Fonts\simsun.ttc"
prop = mfm.FontProperties(fname = font_path)

fig = plt.figure() 
ax1 = fig.add_subplot(111)
ax1.set_title('你好',fontproperties=prop,fontsize=20)
plt.show()

• 指定全局画图主题

函数接口	函数作用	参数说明
plt.style.use()	指定画图主题	无显式参数，style_name：设置主题名

• 常用主题：
  • ’ggplot’
  • ‘seaborn-bright’
  • ‘seaborn-white’
  • ‘seaborn-darkgrid’
  • ‘season-deep’

# 查看所有主题
plt.style.available 

# 指定全局画图主题为ggplot
plt.style.use('ggplot')

局部配置

面向对象绘图过程：ax代表子图变量

• 图表标题设置

函数接口	函数作用	参数说明
ax.set_title()	在当前图形中添加主题，可以指定标题的名称、位置、颜色、字体大小等参数。	label：标题文字，fontsize：指定字体大小，color：指定字体颜色，loc可选值为{‘left’,‘center’,‘right’}，默认值为’center’

ax.set_title(“sample”)：设置图表标题。
ax.set_title(“title”, loc=‘left’)：设置图表标题位置。

• 坐标轴设置

函数接口	函数作用	参数说明
ax.set_xlabel()	当前图形中添加x轴名称，可以指定标题的名称、位置、颜色、字体大小等参数。	xlabel：标签文字，fontsize：指定字体大小
ax.set_ylabel()	当前图形中添加y轴名称，可以指定标题的名称、位置、颜色、字体大小等参数。	ylabel：标签文字，fontsize：指定字体大小
ax.set_xlim()	设置当前图形中x轴的范围，只能确定一个数值区间，而无法使用字符串标识。	left:指定最小值，right:指定最大值，可以使用tuple合并表示(left,right)
ax.set_ylim()	设置当前图形中y轴的范围，只能确定一个数值区间，而无法使用字符串标识。	bottom:指定最小值，top:指定最大值，可以使用tuple合并表示(bottom,top)
ax.set_xticks()	指定x轴刻度的数目与取值。	ticks：传入列表，每个元素代表一个刻度值。
ax.set_yticks()	指定y轴刻度的数目与取值。	ticks：传入列表，每个元素代表一个刻度值。
ax.set_xticklabels()	设置x轴刻度的显示值。	labels：每个刻度上显示的值，fontsize：指定字体大小
ax.set_yticklabels()	设置y轴刻度的显示值。	labels：每个刻度上显示的值，fontsize：指定字体大小
ax.hlines()	设置水平线	y：某个纵坐标，固定值。xmin：横坐标最小值。xmax：横坐标最大值。
ax.vlines()	设置垂直线	x：某个纵坐标，固定值。ymin：横坐标最小值。ymax：横坐标最大值。
ax2=ax1.twinx()	子图ax1、ax2共享x轴	无
ax2=ax1.twiny()	子图ax1、ax2共享y轴	无

设置坐标轴标签文本
ax.set_xlabel(‘X axis’)
ax.set_ylabel(‘Y axis’)

设置x,y轴坐标刻度显示范围
ax.set_xlim(-3.5,3.5)
ax.set_ylim(-1.5,1.5)

设置主刻度坐标
ax.set_xticks([-4,-2,0,2,4])
ax.set_yticks([-1,-0.5,0,0.5,1])
设置次刻度坐标
ax.set_xticks(np.arange(-4,4,0.5),minor=True)
ax.set_yticks(np.arange(-1.5,1.5,0.1),minor=True)

• 图例

函数接口	函数作用	参数说明
ax.legend	指定当前图形的图例，可以指定图例大小、位置、标签。	labels：标签名。loc：图例的位置。bbox_to_anchor：指定图例的位置（横坐标，纵坐标）（横纵最大1.0，最小0.0）。prop：等同于fontproperties。fontsize：字体大小。

ax.legend(loc=‘upper right’):自定义图例位置。

• loc 可选择的参数
  • ‘best’：自动选择最佳位置
  • ‘upper left’：左上角
  • ’upper right’：右上角
  • ‘lower left’：左下角
  • ‘lower right’：右下角
  • ‘center left’：中左
  • ‘center right’：中右
  • ‘lower center’：中下
  • ‘upper center’：中上

ax.legend(fontsize=‘samll’) 自定义图例文字大小。
ax.legend(fontsize=10)

• fontsize 可选择的参数

  • 相对大小（字符串）
    ‘xx-small’,‘x-small’,‘smal’：小于当前默认字体大小
    ‘medium’：中等
    ‘large’,‘x-large’,‘xx-large’：大于当前默认字体大小
  • 绝对大小（数值）
    fontsize=10：绝对字体大小，单位为点。

ax.legend(labelcolor=[‘r’,‘b’])：设置图例文本颜色。
ax.legend(mode=‘expand’)：图例水平平铺。

• 保存图形

函数接口	函数作用	参数说明
plt.savefig()	保存图片	fname：文件名；dpi：像素，单个数值即可。

plt.savefig(“sample.png”)

• 支持如下格式：
  jpg, jpeg：jpg图
  png：png图
  svg, svgz：svg图
  tif, tiff：tiff图
  pgf：pgf位图
  pdf, eps, ps：pdf或postscript文件
  raw, rgba

面向对象画图的代码示例

#准备数据
import numpy as np
x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)

#导入matplotlib库pyplot模块
import matplotlib.pyplot as plt

#创建画布
fig=plt.figure()

#创建图表
ax=fig.subplots()

#绘制折线图，设置点线样式，设置线条名称
ax.plot(x,y,'+r--', label='line1',mec='b',ms=10)  #点为蓝色+(大小为10)，线为红色虚线

#设置坐标轴
ax.set_xlabel('X axis')            #坐标轴文本标签
ax.set_ylabel('Y axis')
ax.set_xticks([-4,-2,0,2,4])       #主刻度
ax.set_xticks(np.arange(-4,4,0.5),minor=True)  #次刻度
ax.set_yticks([-1,-0.5,0,0.5,1])
ax.set_yticks(np.arange(-1.5,1.5,0.1),minor=True)
ax.tick_params(axis='y',labelrotation=30)      #y轴主刻度文字旋转30度
ax.set_xlim(-3.5,3.5)              #设置显示刻度范围
ax.set_ylim