matplotlib 是基于python的一款可视化神器，类似于 ggplot2，它基本能涵盖常见的一些图形。同时得益于强大的python社区支持，这个包的功能也在不断增加。有时候写多了python，再写R，一时半会还想不起代码咋写。同时python中用于统计的包也比较全面，自己对python了解的还是多一些，准备在数据可视化方面用matplotlib。

matplotlib支持一些常见的图形例如:

• 线图;

• 散点图;

• 等高线图;

• 条形图;

• 柱状图;

• 3D 图形,

• 甚至是图形动画等等.

官网网页

https://matplotlib.org/

学习视频教程: 莫烦的

https://morvanzhou.github.io/tutorials/data-manipulation/plt/1-1-why/

话不多说，先上几张漂亮的图片，压压场

安装

• 使用pip安装

python -m pip install -U pippython -m pip install -U matplotlib

#pip install matplotlib --user#引入matplotlib包import matplotlib.pyplot as pltimport numpy as np

fig, ax = plt.subplots()  # Create a figure containing a single axes.ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the axes.

plt.subplots()函数返回两个对象

• fig 图形对象

• ax 坐标轴对象
  当然如果不需要操作坐标轴的话，也可以直接使用plot函数

plt.plot([2,3,5,6],[2,4,5,6])plt.plot([2,3,5,6],[2,4,5,6]) #直接使用plot函数

更加深入的理解图片的构造

figure=plt.figure() ##没有坐标轴的空白图片,啥也看不到fig,ax=plt.subplots() ##带坐标轴的空白图片,只有单个坐标轴

fig,axs=plt.subplots(2,2) ##2x2的四坐标轴图片

Axes对象

• 通常Axes就是包含data的一个图片

• 一张figure可以有多个Axes

• 而一个Axes只属于某一个figure

• Axes包含有两个或者3个Axis(坐标轴)

• Axes类似于ggplot分面中的一个分面

对坐标轴中显示数据范围的控制

axes.Axes.set_xlim() ##控制X轴显示范围axes.Axes.set_ylim() ##控制y轴显示范围

控制坐标轴标签与图形标签

axes.Axes.set_title() ##图片标签axes.Axes.set_xlabel() ##x轴标签axes.Axes.set_ylabel() ##y轴标签

控制图例名称和显示图例

axes.plot(data,label="图例名")axes.legend()

import matplotlibimport matplotlib.pyplot as pltmatplotlib.use('qt5agg')fig,axs=plt.subplots(2,1) ## 绘制2X1 图片axs[0].plot([1,2,3,4],[4,5,6,7],label="liner1") #第一张图，以及图例axs[0].plot([2,4,5,6],[4,5,6,7],label="liner2") #第一张图，以及图例axs[1].plot([1,6,7,8],[5,6,7,8],label="test") # 第二张图 以及图例for item in axs:   #批量设置标题 和图例    item.set_xlim(0,10)    item.set_xlabel('x label')    item.set_ylabel('y label')    item.set_title('test')    item.legend()plt.savefig("test.png")

Axis对象

• 用于设置坐标轴范围

• 控制坐标轴上显示的标记，Locator对象

• 控制坐标轴上显示的字符 Formatter对象

Artist

基本上所有的figure都会用到Artist对象，并且Artist是与Axes对象绑定在一起使用的。Artist对象就包含以下几个对象

• Text

• Line2D

• collection

• Patch

输入数据格式

所有的绘图数据都是基于numpy.array类型进行的，当然有些类似array的数据类型，例如pandas中的dataFrame,numpy中的matrix;这些数据类型作为输入数据时，可能不能够正常的工作，所有还是将它们转换成numpy.array之后再绘制图片吧

• 将panda 数据框转换

import numpy as npimport pandasa=pandas.DataFrame(np.random.rand(4,5), columns = list('abcde')) ##获取4x5的随机数据框print(a)          a         b         c         d         e0  0.505938  0.742418  0.732312  0.008823  0.5592011  0.834437  0.657429  0.136503  0.654495  0.8418732  0.725788  0.746307  0.240214  0.732954  0.1197963  0.452142  0.172521  0.103506  0.472862  0.744575a_array=a.valuesprint(a) ##看起来没变化，实质上一个是数据框，一个是数组          a         b         c         d         e0  0.505938  0.742418  0.732312  0.008823  0.5592011  0.834437  0.657429  0.136503  0.654495  0.8418732  0.725788  0.746307  0.240214  0.732954  0.1197963  0.452142  0.172521  0.103506  0.472862  0.744575

将numpy.matrix转换

import numpy as npb = np.matrix([[1, 2], [3, 4]])print(b)[[1 2] [3 4]]b_asarray = np.asarray(b)print(b)[[1 2] [3 4]]

pyplot两种绘图方式

面向对象的方式

这种在写脚本的时候，可以封装成函数，在不修改代码的情况下，仅仅改变数据就可以获得不同的图片。用的比较多；不涉及与用户的交互

import matplotlib.pyplot as pltx=np.linspace(0, 2, 100)fig,ax=plt.subplots()ax.plot(x,x,label='liner')ax.legend()

直接调用pyplot方法

这个有点类似ggplot2，在jupyter中用的频繁。不过个人还是比较喜欢用第一种面向对象的方式，毕竟对象嘛..

import matplotlib.pyplot as pltx=np.linspace(0, 2, 100)plt.plot(x,x,label="liner")plt.legend()

还有第三种，之后遇到在看吧

如何导出图片

文档里用了一个词BacKends，意思就是针对不同的需求，导出不同类型的图片

• AGG 支持png

• PS 支持ps、eps

• PDF 支持pdf

• SVG 支持svg

• Cairo 支持png ps pdf svg

配置

一般来说不用配置，能够根据系统自动检测，
linux中配置一下环境变量即可

$ export MPLBACKEND=qt5agg$ python simple_plot.py##或者$ MPLBACKEND=qt5agg python simple_plot.py

import matplotlibmatplotlib.use('qt5agg')##导出图片matplotlib.pyplot.savefig('filename')