Python数据分析实战—用matplotlib实现数据可视化（1）

《Python数据分析实战》

matplotlib优点：

• 使用起来极其简单
• 以渐进、交互式方式实现数据可视化
• 表达式和文本使用LaTeX排版
• 对图像元素控制力更强
• 可输出PNG、PDF、SVG和EPS等多种格式

1.matplotlib架构

matplotlib的主要任务之一，就是提供一套表示和操作图形对象（主要对象）以及它的内部对象的函数和工具。
然而，matplotlib不仅可以处理图形，还提供事件处理工具，具有为图形添加动画效果的能力。有了这些附加功能，matplotlib就能够生成以键盘按键或鼠标移动的事件的交互式图表。

从逻辑上来讲，matplotlib的整体架构由位于三个不同层级的三层组成。各层之间单向通信，即每一层只能与它的下一层通信，而下层无法与上层通信。
matplotlib的架构分为以下三层：

• Scripting（脚本）层
• Artist（表现）层
• Backend（后端）层

Backend（后端）层：

最下面一层为Backend层。matplotlib API即位于该层，这些API是用来再底层实现图形元素的一个个类。

• FigureCanvas对象实现了绘图区域这一概念。
• Renderer对象再FigureCanvas上绘图。
• Event对象处理用户输入（键盘和鼠标事件）

Artists（表现）层：

中间层为Artist层。图形中所有能看到的元素都属于Artist对象，即标题、轴标签、刻度等组成图形的所有元素都是Artist对象的实例。图形中的每个元素的实例再层级结构中有着自己的位置。

图表的各元素分别对应一个Artist实例，所有实例形成层级结构。

Artist类分为两种：原始（primitive）和复合（composite）。

绘制Line2D或矩形、圆形等几何图形，甚至文本等图形时，形成图形表示的基础元素由primitive artist单个对象组成。
由多个基础元素—primitive artist—组成的图表中的图像元素叫作composite artist，例如Axis（单条轴）、Ticks（刻度）、Axes（轴）和Figure（图形）。

一般而言，在中国阶段（Artist），你通常需要处理Figure、Axes和Axis等位于高层级的对象。因此，透彻理解这些对象和它们在图形表示中所扮演的角色很重要。

Figure对象在Artist层的最上面，对应整个图形表示，通常可包含多条轴（Axes）。

Axes对象通常表示图形或图表是对什么内容进行作图的。每个Axes对象只属于一个Figure对象，由两个（三维就有三个）Artist Axis对象组成。标题、x标签和y标签等对象都属于Axes这个composite artist类型的对象。

Axis对象负责展示在Axes对象上面的数值，定义数值分为，管理刻度（轴上的标记）和刻度值标签（代表每个刻度大小的文本标签）。刻度的位置用Locator对象调整，刻度标签的格式用Formatter对象调整。

Scripting（脚本）层：

Artist类和相关函数（matplotlib API）非常适合开发人员，尤其时Web应用服务器或GUI开发者使用。但是对于计算，尤其是数据分析和可视化，Scripting层最适合。该层包含pyplot接口。

pylab和pyplot：

pylab在同一命名空间整合了pyplot和Numpy的功能，因此无需再单独导入Numpy。更进一步来说，导入pylab后，pyplot和Numpy的函数就可以直接调用，而不用再指定其所属模块（命名空间），从而使得matplotlib开发环境更像是Matlab。

#1.pylab
from pylab import *
plot(x,y)
array([1,2,3,4])

#2.pyplot
import matplotlib.pyplot as plt
import numpy as np

plt.plot()
np.array([1,2,3,4])

2.pyplot

pyplot具有状态性特征，它能跟踪当前图形和绘图区域得状态。调用函数时，函数只对当前图形起作用。

生成