matplotlib 横坐标只显示整数_02-绕过`matplotlib`路上那个最大的坑

matplotlib路径上那个美丽的坑

matplotlib 路上最大的坑！

本人是非计算专业的计算机爱好者，计算机方面的知识和技能都来自于自学。在学习的路上跌落过无数的坑。

三年前开始自学Python语言，很快被它的简洁、明了(近自然语言的语法)征服。Python庞大的第三方库资源又让它几乎无所不能！

我最初学习它的目的是为了做数据分析，因此，必须掌握熟练、高效的数据可视化方法。matplotlib作为Python语言的可视化标准库，当然首先就学它。

matplotlib的对象及其参数设置极其繁杂，导致学习曲线非常陡峭。matploblib为了快速绘图的目的，又提供了三种绘图模式：

• pyplot，函数式绘图接口；
• pylab，仿matlab模式；这个目前已弃用；
• 面向对象绘图。

pyplot提供了一系列绘图函数接口，可以用较少的代码，快速绘制一些常见、简单的图形，所以各种matplotlib教程、书籍无一例外地从pyplot开始，并把函数式绘图作为重点介绍。

基于我的痛苦的自学经历，认为这是为初学者挖了一个更大的坑，具体表现在，迷恋于pyplot函数式绘图的人，都不同程度地遇到如下问题：

• 参照示例绘制能很快绘制出一些简单的图，没有了示例就不知道从哪里下手；
• 示例不可能完全符合要求，就不知道如何添加或修改了；
• 这时就到一些群、贴吧...里留言，求助，这次别人帮助解决了；
• 下次遇到一个相似，但稍有变化的问题时，又不知道怎么解决了；

永远处在知其然而不知其所以然的状态，在痛苦中使用matplotlib做数据可视化工作，一部分人最后就绝望了，就在想：有没有更简单好用的Python数据可视化工具呢？

有人就拿python和R比较，认为Ｒ的成功很大一部分得益于有一个ggplot2。

我就跌落过这样的坑！

pyplot 歧途

从pyplot函数开始绘图，确实很简单：

import matplotlib.pyplot as pltplt.plot([1, 2, 3, 4])plt.ylabel('some numbers')plt.show()

确实很简单，4行代码就绘制出了一张线性关系图，并且看起来还可以！

这能很快吸引初学者的眼球，但也给他们挖了一个大大的坑：

• 当想让这张图形更加专业美观时，比如，给坐标轴区域添加一点淡淡的背景色时；
• 想修改轴上的刻度数字格式时，如显示为整数；
• 想修改那根斜线的颜色、粗度时
• .....
• 想统一篇论文中的多幅图的格式时。

他们就会就痛苦地去找示例，照着套，当示例代码很长时，因为没有理解matplotlib的逻辑框架，不知道哪行代码是需要的.....

这种知其然不知其所以然，永远只能照猫画虎的状态是痛苦的，时间一长继续学习下去的兴趣就消耗殆尽！

在一个交流群中，看到有人问类似这样的问题，如：如何把下图y轴设置为不是科学计数法。

有位热心人帮他改过来了，他又接着问：

我相信一点，这位网友已走上了matplotlib的歧途，如果继续这样学习下去，必然也会跌落那个坑中，最后痛苦地放弃matplotlib。

这个坑就是从“pyplot函数式绘图”进入matplotlib。

为什么对matplotlib都是负面评价？

在我看来，新用户学习matplotlib之所以会面临一定的挑战，主要有以下几个原因。

首先，matplotlib有两种接口。第一种是基于MATLAB并使用基于状态的接口，即pyplot绘图。第二种是面向对象的接口。两种接口引起混淆的原因在于，在网络上搜索示例代码时，新用户对那些看起来有些相似但不一样的问题，面对多个解决方案会感到困惑。

其次，matplotlib一开始就追求对图形每个细节的完全自主控制，所以matplotlib中的对象很多，并且经常交叉引用，错综复杂。同一个对象的一些属性经常可以在不同层次设置，让初学者无所适从。

最后，除了官方文档，系统性教材缺乏。可见的一些书籍、教程都从pyplot快速绘图开始，很少深入剖析matplotlib的框架逻辑，新用户长时间处在知期然不知其所以然的状态，无法达到自由操控matplotlib的境界。最后得出一个结论，matplotlib太难了，有些图更本就绘不出来。实际是matplotlib能绘出你相得到的绝大多数图形。

绕过那个最大的坑

要避免落入matplotlib学习路径上那个最大的坑的关键点就是：

1. 清晰理解matplotlib的逻辑框架；
2. 从面向对象绘图开始。

做到这两点，pyplot函数式绘图会自然习得！

关注头条号“Python草堂”，将带你一步一步进入matplotlib的自由殿堂。

下一篇：matplotlib逻辑框架剖析浅析