Task01：Matplotlib初相识

---

前言

Matplotlib是Python中最受欢迎的数据可视化软件包之一，支持跨平台运行，它是Python常用的 **2D **绘图库，同时它也提供了一部分 3D 绘图接口。Matplotlib 通常与 NumPy、Pandas 一起使用，是数据分析中不可或缺的重要工具之一。

一、认识Matplotlib

Matplotlib是Python数据可视化库中的泰斗，它已经成为python中公认的数据可视化工具，我们所熟知的pandas和seaborn的绘图接口其实也是基于matplotlib所做的高级封装。

Matplotlib可用于Python脚本，Python和IPython Shell、Jupyter notebook，Web应用程序服务器和各种图形用户界面工具包等。

为了对matplotlib有更好的理解，让我们从一些最基本的概念开始认识它，再逐渐过渡到一些高级技巧中。

二、一个最简单的绘图例子

Matplotlib的图像是画在figure（如windows，jupyter窗体）上的，每一个figure又包含了一个或多个axes（一个可以指定坐标系的子区域）。最简单的创建figure以及axes的方式是通过pyplot.subplots命令，创建axes以后，可以使用Axes.plot绘制最简单的折线图。

在绘图之前，首先查看自己机器上的Matplotlib版本，建议升级到V3.3.3(2020年12月)，否则可能会报错！

1.引入库

import matplotlib.pyplot as plt
import numpy as np

2.绘制折线图

fig, ax = plt.subplots() #创建一个包含一个axes的figure 
ax.plot([1, 2, 3, 4], [1, 4, 2, 3]) #绘制图像

注： 在jupyter notebook中使用matplotlib时会发现，代码运行后自动打印出类似<matplotlib.lines.Line2D at 0x23155916dc0> 这样一段话，这是因为 matplotlib的绘图代码默认打印出最后一个对象。如果不想显示这句话，有以下三种方法：
1. 在代码块最后加一个分号；
2. 在代码块最后加一句plt.show()；
3. 在绘图时将绘图对象显式赋值给一个变量，如将plt.plot([1, 2, 3, 4]) 改成line =plt.plot([1, 2, 3, 4])。

使用第一种方法，可得到如下结果图：

fig, ax = plt.subplots() # 创建一个包含一个axes的figure 
ax.plot([1, 2, 3, 4], [1, 4, 2, 3]); # 绘制图像

我们还可以通过matplotlib.pyplot方法直接在当前axes上绘
制图像，如果用户未指定axes，matplotlib会帮你自动创建一个。

line =plt.plot([1, 2, 3, 4], [1, 4, 2, 3])

三、Figure的组成

一个完整的matplotlib图像通常会包括以下四个层级，这些层级也被称为容器（container）。
Figure：顶层级，用来容纳所有绘图元素；
Axes：matplotlib的核心，容纳大量的元素来构造一幅幅子图，一个figure可以由一个或多个子图组成；
Axis：axes的下属层级，用于处理所有和坐标轴，网格有关的元素；
Tick：axis的下属层级，用来处理所有和刻度有关的元素。

四、两种绘图接口

matplotlib提供了两种最常用的绘图接口：
1、 显式创建figure和axes，在上面调用绘图方法，也被称为OO模式（object-oriented style)；
2、依赖pyplot自动创建figure和axes，并绘图。

使用第一种绘图接口，如下所示：

x = np.linspace(0, 2, 100) 
#numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
#在指定的间隔内返回均匀间隔的数字。
#返回num均匀分布的样本，在[start, stop]。
#这个区间的端点可以任意的被排除在外。
fig, ax = plt.subplots() 
ax.plot(x, x, label='linear') 
ax.plot(x, x**2, label='quadratic') 
ax.plot(x, x**3, label='cubic') 
ax.set_xlabel('x label') 
ax.set_ylabel('y label') 
ax.set_title("Simple Plot") 
ax.legend() 
plt.show()

而如果采用第二种绘图接口，绘制同样的图，代码是这样的：

x = np.linspace(0, 2, 100) 
plt.plot(x, x, label='linear') 
plt.plot(x, x**2, label='quadratic') 
plt.plot(x, x**3, label='cubic') 
plt.xlabel('x label') 
plt.ylabel('y label') 
plt.title("Simple Plot") 
plt.legend() 
plt.show()

总结

通过本次学习，我们认识了Matplotlib，并以一个简单的折线图为例开启了绘图之旅，以及Figure的组成、两种绘图接口。

参考资料

[1].http://c.biancheng.net/matplotlib/
[2].https://matplotlib.org/stable/tutorials/introductory/usage.html
[3].https://blog.csdn.net/you_are_my_dream/article/details/53493752