第91天：Python matplotlib introduction

今天我们一起来探究 Python 中一个很有趣的模块--Matplotlib，Matplotlib 是一个非常优秀的 Python 2D 绘图库，只要给出符合格式的数据，通过 Matplotlib 就可以方便地制作数据图。

一、初识 Matplotlib

Matplotlib 以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。Matplotlib 可用于 IPython 脚本，Python 和 IPython Shell，Jupyter 笔记本，Web应用程序服务器和四个图形用户界面工具包。
Matplotlib 尝试使容易的事情变得容易，使困难的事情变得可能。在实践过程中只需几行代码就可以生成图表，比如直方图、功率谱、条形图、误差图、散点图等。

1、 IPython

IPython 是 Python 的一个增强版本。它在下列方面有所增强：命名输入输出、使用系统命令（shell commands）、排错（debug）能力。我们在命令行终端给 IPython 加上参数 -pylab （0.12 以后的版本是 --pylab）之后，就可以像 Matlab 或者 Mathematica 那样以交互的方式绘图。

2、pylab

pylab 是 matplotlib 面向对象绘图库的一个接口。它的语法和 Matlab 十分相近。也就是说，它主要的绘图命令和 Matlab 对应的命令有相似的参数。

二、安装

在线安装

安装 Matplotlib 包与安装其他 Python 包一样，都可以使用 pip 来安装。启动命令行窗口，在命令行窗口中输入如下命令：

pip3 install matplotlib

输入上面的命令后会自动下载安装 Matplotlib 包的最新版本。下载完成后会安装，最后提示 Matplotlib 包安装成功：

Installing collected packages: matplotlibSuccessfully installed matplotlib-3.1.1

离线安装

在有网络限制条件下我们需要下载离线包来安装，python matplotlib 离线安装需要提前下载好与 python 版本对应的 wheel 安装包，下载地址：https://pypi.org/project/matplotlib/#files

在上图中选择相应的安装包下载即可，cp36 表示 python 是 3.6 版本，同样的 cp37 表示 python 是3.7 版本，同样可以在 python 命令行下使用一下命令查看支持的版本属性：

>>>python>>> import pip._internal>>> print(pip._internal.pep425tags.get_supported())

以上结果可以显示出相应的版本支持，下载好后使用 pip命令安装即可成功：

pip install matplotlib-3.1.1-cp36-cp36m-manylinux1_x86_64.whl

三、matplotlib 架构

1、matplotlib 架构图

matplotlib 框架分为三层，这三层构成了一个栈，上层可以调用下层，三层框架描述如下：

脚本层 (pyplot)：简化了完成数据分析与可视化的常规操作。管理创建图形、坐标轴以及他们与后端层的连接。
艺术家层 (artist)：管理漂亮图形背后的大多数内部活动。
后端层 (backend)：matplotlib 的底层，实现了大量的抽象接口类；还和用户界面工具箱整合在一起；可以将图形保存为不同格式(比如PDF、PNG、PS和SVG等)。

这三层属于matplotlib程序包的范畴，脚本层(pytplot模块)可以提供给我们一个与matplotlib打交道的接口，我们可以只通过调用pyplot模块的函数从而操作整个程序包，来绘制图形。

2、matplotlib 编程接口

matplotlib 编程接口由 3 层组成，组成描述如下：

第一层状态机环境，是由 pyplot 提供的。
第二层是有 pyplot 和面向对象(oo)接口提供，由 pyplot 获取 figure 对象，通过面向对象接口来显示地管理axies 对象。
第三层由面向对象(oo)接口提供，该层完全不使用 pyplot 模块。

编程接口图：

四、matplotlib 绘图概念

1、绘图方式

在matplotlib库里，总分成两种绘图方式

方法一：函数式绘图

绘图方法通过调用一系列函数传入数据绘制出相应的图，在 matplotlib.pyplot 里是封装好的函数，用户可以直接调用函数进行绘图。一般的，我们约定 matplotlib.pyplot 取别名为 plt

其模块下主要定义如下两方面的函数：

操作类的函数：对于画布，图，子图，坐标轴，图例，背景，网格等的操作。如：plt.ylabel(), plt.xlabel(), plot.yscale(), plt.legend(), plt.title(), plt.text()等

绘图类的函数：画折线图，散点图，条形图，直方图，饼状图等特点图的绘制函数。如：plt.scatter, plt.plot(), plt.bar, plot.pie(), plt.hise()……

绘图部分函数如下：

序号	绘图函数（plt.xxx）	说明
1	acorr()	绘制x的自相关图
	2	angle_spectrum()
3	bar()	制作条形图
4	barbs()	绘制倒钩的二维场图
5	barh()	制作水平条形图
6	boxplot()	制作一个盒子和胡须图
7	broken_barh()	绘制一个水平的矩形序列图
8	clabel()	绘制等高线图
9	cohere()	绘制x和y之间的一致性图
10	csd()	绘制交叉谱密度图
11	eventplot()	绘制相同的平行线
12	fill()	绘制填充多边形图
13	hexbin()	制作六边形分箱图
14	hist()	绘制直方图
15	hist2d()	制作2D直方图
16	magnitude_spectrum()	绘制幅度谱图
17	phase_spectrum()	绘制相位谱图
18	pie()	绘制饼图
19	plot()	绘制折线图
20	plot_date()	绘制包含日期的数据图
21	quiver()	绘制一个二维箭头场图
22	scatter()	绘制散点图
23	specgram()	绘制频谱图
24	stackplot()	绘制堆积区域图
25	streamplot()	绘制矢量流的流线型图
26	triplot()	绘制非结构化三角形网格作为线条图

方法二：面向对象式绘图

面向对象式的绘图，才是matplotlib绘图最自然的方式

下图是 matplotlib 基本的组成部分

元素描述：

元素	描述
figure	图形
axes	子图形
title	标题
legend	图例
Major tick(	大标尺刻度
Minor tick	小标尺刻度
Major tick label(	大标尺刻度数值
Minor tick label	小标尺刻度数值
Y axis label	y轴指标说明
X axis label	x轴指标说明
Line	线型图)
Markers	数据标注点
Grid	格子

基本对象描述如下：

Figure(图)

指整个图形(包括所有的元素,比如标题、线等)。管理着所有的坐标系，还有一些特殊的艺术家和canvas(画布)。

整个图形即是一个Figure对象，即一个弹出的绘图的窗口，便是一个figure。
Figure对象至少包含一个子图，也就是Axes对象。
Figure对象包含一些特殊的Artist对象，如title标题、图例legend。
Figure对象包含画布canvas对象。canvas对象一般不可见，通常无需直接操作该对象，matplotlib程序实际绘图时需要调用该对象。

Axes(坐标系)

数据的绘图区域

字面上理解，axes是数据轴axis的复数，但它并不是指数据轴，而是子图对象。可以这样理解，每一个子图都有x和y轴，axes则用于代表这两个数据轴所对应的一个子图对象。-常用方法set_xlim()以及set_ylim()：

设置子图x轴和y轴对应的数据范围。
set_title()：设置子图的标题。
set_xlabel()以及set_ylable()：
设置子图x轴和y轴指标的描述说明。

Axis(坐标轴)

坐标系中的一条轴，包含大小限制、刻度和刻度标签。

Axis是数据轴对象，主要用于控制数据轴上刻度位置和显示数值。
Axis有Locator和Formatter两个子对象，分别用于控制刻度位置和显示数值。

artist(艺术家)

图中所有的对象都是artis，当图形显示时，所有的艺术家都会被绘制到画布上。

基本上所有的对象都是一个Artist对象，包括Figure对象、Axes对象和Axis对象，可以将Artist理解为一个基本类。
当提交代码，图像最终呈现时，所有的artist对象都会绘制于canvas画布上

值得注意的是：

一个figure(图)可以包含多个axes(坐标系)，但是一个axes只能属于一个figure。
一个axes(坐标系)可以包含多个axis(坐标轴)，包含两个即为2d坐标系，3个即为3d坐标系

绘图之间的层级结构如下：

3、绘图步骤

在现实生活中，如果我们要画一幅画，首先需要什么工具呢？

首先咱们需要一个画板
其次还需要一张画布
指定大致轮廓（轴），轴是绘画的基准
最后是画画工具（画笔…）

而使用 Matplotlib 画图同样如此，首先需要指定一个画板，再指定一张画布，然后再指定元素开始作画。

例如：

import matplotlib.pyplot as plt# 指定一个画板fig = plt.figure()# 指定画板后指定轴# ax = fig.add_subplot(111)ax1 = fig.add_subplot(221)ax2 = fig.add_subplot(222)ax3 = fig.add_subplot(224)ax4 = fig.add_subplot(223)# 设置轴的位置# ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes',# ylabel='Y-Axis', xlabel='X-Axis')plt.show()

运行结果如下：

3、matplotlib 重要模块 pyplot 详解

matplotlib.pytplot包含了一系列类似于matlab的画图函数。它的函数作用于当前图形(figure)的当前坐标系(axes)。

3.1 导入模块

import matplotlib.pyplot as plt

3.2 运用模块

导入模块后，调用相应函数，例如

plot(xdata,ydata,format)

函数参数：

xdata:所有点的x坐标，如果不传默认是[0:]。
ydata:所有点的y坐标。
format:绘制的格式，默认是’b-'。比如’b-+’：分别代表颜色、线形和标记。

颜色：绘制的颜色(b指blue,蓝色)。
线性：点之间的连线样式(-指实线)。
标记：点的风格(+为加号）。

例如：

import matplotlib.pyplot as pltplt.plot([1,2],[1,2],'r--+')plt.show()

运行结果为：

再例如一个简单的折线图如下：

import matplotlib.pyplot as plt

x = (1,3,5,9,13)

y = (2,5,9,12,28)

# 调用绘制方法# 设置线条属性# linewidth属性设置线条的宽度plt.plot(x,y,linewidth = 5)

# 显示图片plt.show()

运行结果：

除了设置这些属性以外，图形还可以设置其他属性，这些概念我们将在下一节文章中作详细的讲解。

总结

凡事预则立，学习任何一门知识也得从最基本开始，本章节对 matplotlib 模块做了详细的概念描述，在接下来的的章节中将结合 NumPy 模块进行实战性演练，以此对初入门的伙伴们做更好的支撑。

参考

https://blog.csdn.net/hekind/article/details/79542040

https://matplotlib.org/3.1.1/contents.html

https://matplotlib.org/api/_as_gen/matplotlib.pyplot.html?highlight=matplotlib%20pyplot#module-matplotlib.pyplot

文中示例代码：https://github.com/JustDoPython/python-100-day

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。