Fantastic-Matplotlib

Datawhale 11月组队学习 ¹

关于matplotlib运用的两个痛点和对应的知识体系构建角度：
1.没有系统的梳理绘图接口，用时查询效率低（从图形、布局、文本、样式等维度系统梳理绘图方法）
2.没有深入了解绘图框架（从绘图API层级、接口等方面阐明matplotlib的设计理念）

Matplotlib初相识

1.1 认识matplotlib

matplotlib是一个Python 2D绘图库，用来绘制各种静态、动态、交互式的图表。
我们熟知的pandas和seaborn的绘图接口其实也是基于matplotlib的高级封装。

1.2 一个最简单的绘图例子

1.2.1 方法一

method 1:创建figure（画在windows或者jupyter窗体）以及axes(每个figure包含一个或多个axes,一个axes可以指定坐标系的子区域)，用pyplot.subplots创建figure和axes后，用Axes.plot绘制最简易的折线图

安装指定版本3.3.3的matplotlib

#pip install matplotlib==3.3.3
import matplotlib
matplotlib.__version__

'3.3.3'

import matplotlib.pyplot as plt
import numpy as np
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

[<matplotlib.lines.Line2D at 0x2aa89ed06d8>]

上述代码没有显示图，显示的是[<matplotlib.lines.Line2D at 0x2aa89ed06d8>]，解决方案有三种：
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，将line=plt.plot([1,2,3,4])

import matplotlib.pyplot as plt
import numpy as np
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

1.2.2 方法二

method 2:利用matplotlib.pyplot直接在当前的axes上绘制图像，如果未指定axes，matplotlib会自动创建一个

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

1.3 Figure的组成

一个完整的matplotlib图像通常会包括四个层级，这些层级也叫容器（container）。
在matplotlib的世界中，我们将通过各种命令方法来操纵图像中的每一个部分，从而达到数据可视化的最终效果，一副完整的图像实际是各类子元素的集合。
Figure: 顶层级，用来容纳所有绘图元素
Axes: matplotlib宇宙的核心，容纳了大量元素用来构造一幅幅子图，一个figure可以由一个或多个子图组成
Axis: axes的下属层级，用来处理所有和坐标轴，网格有关的元素
Tick: axis的下属层级，同来处理所有和刻度有关的元素

1.4 两种绘图接口

第一种：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）

x=np.linspace(0,2,100) #创建等差数列（样本数据开始点，样本数据结束点，样本数据量）
fig,ax=plt.subplots()
ax.plot(x,x,label='linear') #线性
ax.plot(x,x**2,label='quadratic') #二次方
ax.plot(x,x**3,label='cubic') #立方
ax.set_xlabel('x label')
ax.set_ylabel('y label')
ax.set_title("Simple Plot")
ax.legend()
plt.show()

第二种：依赖pyplot自动创建figure和axes，并绘图

x=np.linspace(0,2,100)
plt.plot(x,x,label='linear') #线性
plt.plot(x,x**2,label='quadratic') #二次方
plt.plot(x,x**3,label='cubic') #立方
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()
plt.show()

Fantastic-Matplotlib ↩︎