学习笔记--Matplotlib

绘制图的基本内容

是不是感觉一幅图形要注意的地方很多很复杂~ 

但是，总体来说，在利用 Matplotlib 绘制图形时，主要图形元素包括画布（figure）、坐标图形（axes）、轴（axis）和艺术对象（aritist）

这些是一幅图形不可或缺的元素。

在这里将简要用书面的语言介绍以上几个元素。

画布 (figure)

包含其他多个图形元素。它既可以代表图形本身进行图的绘制，又可以被划分为多个子区域，用于单独图形类型的 （子图）绘制。用户可以在画布(figure)中设置画布大小（figsize)、分辨率（dpi）和背景颜色等其他参数。

坐标图形 (axes)

也称为子图。作为 Matplotlib 的绘图核心，它主要为绘图数据提供展示区域，同时包括组成图的众多艺术对象 (artist)。在大多数情况下，一个画布 (figure) 对象中包含一个子图区域，子图区域由上、下、左、右 4 个轴脊以及其他构成子图的组成元素组成。

轴 (axis)

数据轴对象，即坐标轴线。每个轴对象都含有位置（locator）对象和格式（formatter）对象，它们分别用于控制坐标轴刻度的位置和格式。

刻度 (tick)

即刻度对象。每个坐标图形都有水平方向的横轴（X axis）对象和垂直方向的纵轴（Y axis）对象。每个坐标轴上含有刻度对象。刻度对象包括主刻度（Major tick）、次刻度（Minor tick）、主刻度标签（Major tick label）和次刻度标签（Minor tick label）。

那么怎么用通常的话语来理解python中利用Matplotlib来做图的过程呢？

在下面这篇知乎专栏中，我的同学（大佬）做出了如下的解释，我认为写的很通俗易懂，故这里引用以下：

以生活中的情况作为例子，假设你现在突然灵感乍现，想要画个对比图（也就是要在图上画两张图），最后把画出来的图片给朋友分享，你会怎么弄呢？

1. 拿出一张白纸（画图）和笔
2. 将白纸对折（或者拿铅笔简单的画个线），形成两个区域（子图）
3. 在其中的一张子图上，你进行创作，比如画上横纵坐标，写上刻度，画出一条折线，在另一张子图上，也进行类似的创作
4. 最后，将图片给朋友分享

那么类似的，在matplotlib我们怎样进行操作呢

1. 创建一个fig（画布），相当于拿到了一张白纸，以后的创作将在这张白纸上进行
2. 将这个图纸进行划分，形成多个子图（axes)。注：axes是axis的复数，但在matplotlib里面却有着截然不同的用法，axis是轴（属于内容部分），而axes作为子图进行使用
3. 在每个子图上进行内容的继续创作
4. 最后，将这个内容展示出来

2.Matplotlib入门 - 知乎 (zhihu.com)

以下就是利用Matplotlib绘制正弦曲线的例子：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图像和子图
plt.figure(figsize=(8, 6))  # 创建一个图像，设置图像大小
plt.plot(x, y, label='正弦曲线', color='blue', linestyle='-', linewidth=2)  # 绘制曲线
plt.scatter(x[::10], y[::10], marker='o', color='red', label='样本点')  # 绘制散点

# 添加标题和标签
plt.title('正弦曲线示例', fontsize=16)  # 添加图像标题
plt.xlabel('X轴', fontsize=14)  # 添加X轴标签
plt.ylabel('Y轴', fontsize=14)  # 添加Y轴标签

# 添加图例
plt.legend(loc='upper right')  # 添加图例，指定位置

# 调整坐标轴范围
plt.xlim(0, 10)  # 设置X轴范围
plt.ylim(-1.5, 1.5)  # 设置Y轴范围

# 显示网格
plt.grid(True, linestyle='--', alpha=0.7)  # 显示网格线，设置线型和透明度

# 显示图像
plt.show()  # 在屏幕上显示图像

其中

import matplotlib.pyplot as plt: 导入matplotlib库中的绘图函数，并将其命名为plt，以方便调用。

import numpy as np: 导入numpy库并将其命名为np，以便生成示例数据。

x = np.linspace(0, 10, 100): 使用np.linspace生成一个包含100个数据点的等间隔数组。

y = np.sin(x): 使用numpy的sin函数计算x的正弦值，生成y的数据。

plt.figure(figsize=(8, 6)): 创建一个图像，设置图像的大小为8x6英寸。

plt.plot(x, y, label='正弦曲线', color='blue', linestyle='-', linewidth=2): 绘制正弦曲线，设置标签、颜色、线型和线宽。

plt.scatter(x[::10], y[::10], marker='o', color='red', label='样本点'): 绘制散点图，每隔10个点绘制一个散点，设置标记样式和颜色。

plt.title('正弦曲线示例', fontsize=16): 添加图像标题，设置标题内容和字体大小。

plt.xlabel('X轴', fontsize=14): 添加X轴标签，设置标签内容和字体大小。

plt.ylabel('Y轴', fontsize=14): 添加Y轴标签，设置标签内容和字体大小。

plt.legend(loc='upper right'): 添加图例，位置位于右上角。

plt.xlim(0, 10): 设置X轴范围为0到10。

plt.ylim(-1.5, 1.5): 设置Y轴范围为-1.5到1.5。

plt.grid(True, linestyle='--', alpha=0.7): 显示网格线，设置线型为虚线，透明度为0.7。

plt.show(): 显示绘制的图像。

这里没有用到子图绘制，但是比较重要的部分就在于多子图的绘制

多子图的绘制

创建子图的方式有特别多种

注：在子图中，每个子图对应的数字，是从上到下，从左到右计数的

接下来我们介绍创建子图的几种方法（因为是阅读图书，代码部分为了方便就直接截图显示）：

如果你需要创建子图，要利用以下代码：

axes=plt.subplot(a,b,c)

其中，a、b代表你会把这张画布分成a行b列，而c代表你把这个图放的位置对应的数字

比如subplot(222)，意味着把图分成四行四列，然后放在从上到下，从左到右第二个的位子

subplot()函数

Matplotlib 提供的 subplot() 函数可以对当前画布对象添加单个子图，且每次添加子图都会规定其位置顺序。

书上示例代码：

示例结果如图：

add_subplot()函数

Matplotlib 中的 add_subplot() 函数的使用方法和 subplot() 函数类似，不同之处是，add_subplot() 函数先产生 figure 对象，然后在该对象的基础上依次添加子图

subplots()函数

该函数的第 1 个参数 nrows 表示绘制子图的行数，第 2 个参数 ncols 表示绘制子图的列数，行数与列数的乘积即绘制的总子图数，第 3 个参数 sharex 可以用来设定是否共享 X 轴，第 4个参数 sharey 可以用来设定是否共享 Y 轴。该函数会返回一个坐标数组对象，该对象用于每个子图的单独绘制。

 示例代码：

 绘制结果：

 axex()函数

Matplotlib 中的 axes() 函数的主要功能是为当前画布 (figure) 对象添加坐标图形 (axes) 对象，使其成为当前的坐标图形（axes）对象。此外，还需要提供 rect 参数（一个四元组：left、 bottom、width、height）。axes() 函数常见用法包括对当前画布 (figure) 对象中的坐标图形 (axes) 对象添加颜色和大小映射等，或者在已有的坐标图形 (axes) 对象上添加另一个坐标图形 (axes) 对象。

 绘制结果如下：

 subplot2grid()函数

 该函数的第 1 个参数 shape 规定了的网格的行数和列数，第 2 个参数 location 决定了子图在网格内的行号和列号，第 3 个参数为 rowspan 或 colspan，它们分别规定了每个子图向下跨27越的行数和向右跨越的列数，也就实现了大小不一的子图的绘制。

绘制结果：

 

gridspec.GridSpec()函数

 

其中，参数 nrows 表示网格中的行数；参数 ncols 表示网格中的列数；left、bottom、right和 top 是可选参数，用于将子图的范围定义为图形宽度或高度的一部分。

 绘制结果：

 subplot_mosaic()函数

 subplot_mosaic() 函数绘制子图的最大特点是它可利用 mosaic 参数设置特定字符串符号（重复次数、顺序等）来进行子图的视觉布局。

绘制结果：

 Tips:子图的数量尽量控制在四个以内，否则即增加了代码量，又会出现一些标题字体的显示错误。