Matplotlib模块--子模块及画图

Matplotlib的核心是面向对象的。如果需要对绘图进行更多的控制和自定义，建议直接使用对象。许多情况下，创建一个 Figure，一个或多个 Axes 使用pyplot.subplots。

Matplotlib子模块

• matplotlib
• matplotlib.afm
• matplotlib.animation
• matplotlib.artist
• matplotlib.axes：是所有图标数据、图例配置等绘图形元素的容器，包含大多数图形元素： Axis ， Tick ， Line2D ， Text ， Polygon 等，并设置坐标系。
• matplotlib.axis
• matplotlib.backend_bases
• matplotlib.backend_managers
• matplotlib.backend_tools
• matplotlib.backends
• matplotlib.bezier
• matplotlib.blocking_input
• matplotlib.category
• matplotlib.cbook
• matplotlib.cm
• matplotlib.collections
• matplotlib.colorbar
• matplotlib.colors
• matplotlib.container
• matplotlib.contour
• matplotlib.dates
• matplotlib.dviread
• matplotlib.figure：Figure提供了容纳多个Axes的画板
• matplotlib.font_manager
• matplotlib.fontconfig_pattern
• matplotlib.gridspec
• matplotlib.image
• matplotlib.legend
• matplotlib.legend_handler
• matplotlib.lines
• matplotlib.markers
• matplotlib.mathtext
• matplotlib.mlab
• matplotlib.offsetbox
• matplotlib.patches
• matplotlib.path
• matplotlib.patheffects
• matplotlib.pyplot：面向“当前”图
• matplotlib.projections
• matplotlib.projections.polar
• matplotlib.quiver
• matplotlib.rcsetup
• matplotlib.sankey
• matplotlib.scale
• matplotlib.sphinxext.plot_directive
• matplotlib.spines
• matplotlib.style
• matplotlib.table
• matplotlib.testing
• matplotlib.text
• matplotlib.texmanager
• matplotlib.textpath
• matplotlib.ticker
• matplotlib.tight_layout
• matplotlib.transforms
• matplotlib.tri
• matplotlib.type1font
• matplotlib.units
• matplotlib.widgets

绘图

如果是简单的单图表绘制，或者是交互实验环境，则plt接口足以满足需要，且操作简单易用。
如果是多图表绘制，需要相对复杂的图例配置和其他自定义设置，那么毫无疑问面向对象接口绘图是当之无愧的不二选择。

创建画板

包括创建figure和axes对象。figure和axes，其中前者为所有绘图操作定义了顶层类对象Figure，相当于是提供了画板；而后者则定义了画板中的每一个绘图对象Axes，相当于画板内的各个子图。换句话说，figure是axes的父容器，而axes是figure的内部元素，而我们常用的各种图表、图例、坐标轴等则又是axes的内部元素。常用有3种方法

• plt.figure，主要接收一个元组作为figsize参数设置图形大小，返回一个figure对象用于提供画板
• plt.axes，接收一个figure或在当前画板上添加一个子图，返回该axes对象，并将其设置为"当前"图，缺省时会在绘图前自动添加
• plt.subplot，主要接收3个数字或1个3位数（自动解析成3个数字，要求解析后数值合理）作为子图的行数、列数和当前子图索引，索引从1开始（与MATLAB保存一致），返回一个axes对象用于绘图操作。这里，可以理解成是先隐式执行了plt.figure，然后在创建的figure对象上添加子图，并返回当前子图实例
• plt.subplots，主要接收一个行数nrows和列数ncols作为参数（不含第三个数字），创建一个figure对象和相应数量的axes对象，同时返回该figure对象和axes对象嵌套列表，并默认选择最后一个子图作为"当前"图

绘制图表，

常用图表形式包括：

• plot，折线图或点图，实际是调用了line模块下的Line2D图表接口
• scatter，散点图，常用于表述两组数据间的分布关系，也可由特殊形式下的plot实现
• bar/barh，条形图或柱状图，常用于表达一组离散数据的大小关系，比如一年内每个月的销售额数据；默认竖直条形图，可选barh绘制水平条形图
• hist，直方图，形式上与条形图很像，但表达意义却完全不同：直方图用于统计一组连续数据的分区间分布情况，比如有1000个正态分布的随机抽样，那么其直方图应该是大致满足钟型分布；条形图主要是适用于一组离散标签下的数量对比
• pie，饼图，主要用于表达构成或比例关系，一般适用于少量对比
• imshow，显示图像，根据像素点数据完成绘图并显示

配置图例

对所绘图形进一步添加图例元素，例如设置标题、坐标轴、文字说明等，常用接口如下：

• title，设置图表标题
• axis/xlim/ylim，设置相应坐标轴范围，其中axis是对后xlim和ylim的集成，接受4个参数分别作为x和y轴的范围参数
• grid，添加图表网格线
• legend，在图表中添加label图例参数后，通过legend进行显示
• xlabel/ylabel，分别用于设置x、y轴标题
• xticks/yticks，分别用于自定义坐标轴刻度显示
• text/arrow/annotation，分别在图例指定位置添加文字、箭头和标记，一般很少用

示例：

plt.figure()
plt.plot([1, 2, 3], [4, 5, 6])
plt.show()

# 第二种方式
fig, ax = plt.subplots()
ax.plot([1, 2, 3], [4, 5, 6])
plt.show()

两种方式产生的结果完全一样。从第一种方式的代码来看，先生成了一个Figure画布，然后在这个画布上隐式生成一个画图区域进行画图。
第二种方式同时生成了Figure和axes两个对象，然后用ax对象在其区域内进行绘图。如果从面向对象编程（对理解Matplotlib绘图很重要）的角度来看，显然第二种方式更加易于解释，生成的fig和ax分别对画布Figure和绘图区域Axes进行控制，第一种方式反而显得不是很直观，如果涉及到子图零部件的设置，第二种方式显然会更易于使用。

subplot绘制多个子图

生成画布和axes对象：

# nrows=1和ncols=2分别代表1行和2列
fig,ax = plt.subplots(nrows=1,ncols=2)

对两个对象进行绘制：

ax[0].plot([1,2,3],[4,5,6])
ax[1].scatter([1,2,3],[4,5,6])

add_subplot与add_axes

add_subplot表示新增子图与subplots相似：

import numpy as np
import matplotlib.pyplot as plt

# 新建figure
fig = plt.figure()
# 定义数据
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 2, 3, 4, 5, 6, 7]

# 新增子图1
ax1 = fig.add_subplot(1, 2, 1)
ax1.plot(x, y, 'r')
ax1.set_title('area1')

# 新增子图2
ax2 = fig.add_subplot(1, 2, 2)
ax2.plot(x, y, 'b')
ax2.set_title('area2')
plt.show()

add_axes表示新增子区域，该区域可以座落在figure内任意位置，且该区域可任意设置大小：

import numpy as np
import matplotlib.pyplot as plt

#新建figure
fig = plt.figure()
# 定义数据
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 2, 3, 4, 5, 6, 7]
#新建区域ax1
#figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80%
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
# 获得绘制的句柄
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_title('area1')

#新增区域ax2,嵌套在ax1内
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
# 获得绘制的句柄
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(x,y, 'b')
ax2.set_title('area2')
plt.show()