python 数据可视化工具包 matplotlib

matplotlib 是一个 python 的 2D 绘图库。大量的学术期刊，书籍出版物使用它来绘制专业的数据可视化图表。matplotlib 支持跨平台，可运行在 python 脚本，python 解释器, IPython，Jupyter notebook, web 应用服务器，以及四个 GUI（Graphical User Interface） 工具包中。使用matplotlib ，只需要几行代码，便可绘制折线图，直方图，功率谱（power spectra）, 条形图，误差图，散点图等。

1. 安装

pip install matplotlib

2. 导入

ps: 在 jupyter notebook 环境需要添加 %matplotlib inline ，使得绘图生成在 notebook 页面。其他环境需要去掉 %matplotlib inline。

import matplotlib.pyplot as plt
%matplotlib inline

3. 基本概念

matplotlib 中定义了四个基本概念：figure, axes, axis, artist。准确理解这四个基本概念，能更好的理解和熟练使用 matplotlib 绘制你想要的图表。

为了更直观的理解这四个概念，没有比直接使用 matplotlib 将这些抽象的概念绘制出来更好的方式了。

import numpy as np

figure, axes = plt.subplots(1, 2, figsize=(8, 4))
figure.suptitle("figure")

x = np.linspace(0, 2, 100)

axes1, axes2 = axes

axes1.plot(x, x, label='artist legend')
axes2.plot(x, x**2, label='artist legend')

axes1.set_title("axes 1")
axes2.set_title("axes 2")

axes1.set_xlabel("axis x of axes 1")
axes2.set_xlabel("axis x of axes 2")

axes1.set_ylabel("axis y of axes 1")
axes2.set_ylabel("axis y of axes 2")

axes1.legend()
axes2.legend()

axes1.grid()
axes2.grid()

plt.show()

通过观察绘制出来的图表，我们可以很直观的看到，各个“抽象概念”的在图表中对应的具体表示，以及它们之间的层次关系。

有了这些可视化呈现，再来逐一理解它们，就很容易了。

3.1 figure

从图中可以看出，figure 表示整个绘图区域，它更多扮演的就是一个容器的角色，所有其他绘图元素都必须要包含在 figure 中，通过 figsize 参数限定 figure 大小，同时也限定了绘图区域的大小。此外，通过使用 figure.suptitle(title) 方法，也可以为整个绘图区域，设置一个标题，但这不是必需的（事实上，如果不给 figure 设置标题，我们这里就无法直观感知到它作为容器的存在）。

由此可见，要使用 matplotlib 绘制图表或任何可视化呈现，就必须先显式或隐式（直接使用 plt.plot 等函数绘制时）创建一个 figure 对象。

下面，简单介绍两种最常用的创建 figure 的方法。根据个人习惯，可任选一种方式即可。个人更多使用第二种方式。

3.1.1 plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, clear=False)

plt.figure() 是任何创建 figure 对象的底层工厂函数。它提供创建 figure 了所有细节。

参数	描述
num	整数或字符串。figure 编号，即 figure 对象的 number 属性，可以理解为 figure 对象的 ID；如果编号为 num 的 figure 在上下文中已经存在，则直接返回存在 figure 引用，而不创建新的 figure; 默认为 None , 会创建一个新的 figure 对象，并将 number 加1 。
figsize	元组。figure 的宽高，单位 英尺。默认值为 matplotlib.rcParams["figure.figsize"] 。
dpi	整数。分辨率。默认值为 matplotlib.rcParams["figure.dpi"] 。
facecolor	字符串或颜色对象。背景颜色。默认为白色。
edgecolor	字符串或颜色对象。边框颜色。默认为白色。
frameon	Bool。
clear	Bool。为 True 时，清空当前已经存在的 figure 的绘制。默认不清空。

代码示例，理解 num 的作用：

figure1 = plt.figure()
print("this is a new figure instance, whose number is {}.\n".format(figure1.number))
figure2 = plt.figure()
print("this is a new figure instance, whose number is {}.\n".format(figure2.number))

figure1_ref = plt.figure(num=1) # 等效于 plt.figure(1)
print("this is a existed figure instance, whose number is {}.\n".format(figure1_ref.number))
if figure1_ref == figure1:
    print("figure1_ref is equal to figure1.")

plt.show()

可以看到，上面脚本运行后，并没有显示可见的图表。正如上文所说，figure 仅仅是个容器，真正我们所想到的包含在 figure 容器中，带有坐标系的一个个图表，是下文将要介绍的 axes 。使用 plt.figure() 方法创建的 figure 要显示图表，必须调用 plt.plot() 等绘制函数。代码如下：

# figure 1
plt.figure(figsize=(9, 3))
plt.suptitle("figure 1")

names = ['a', 'b', 'c']
values = [1, 10, 100]

plt.subplot(131)
plt.bar(names, values)

plt.subplot(132)
plt.scatter(names, values)

plt.subplot(133)
plt.plot(names, values)

plt.show()

# figure 2
plt.figure(figsize=(9, 3))
plt.suptitle("figure 2")

names = ['d', 'e', 'f']
values = [100, 10, 1]

plt.subplot(131)
plt.bar(names, values)

plt.subplot(132)
plt.scatter(names, values)

plt.subplot(133)
plt.plot(names, values)

plt.show()