第91天：Python matplotlib introduction

by 潮汐

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: matplotlib
Successfully 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

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：

1. 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。

2. 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。

3. 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。

4. 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？

1. 首先咱们需要一个画板
2. 其次还需要一张画布
3. 指定大致轮廓（轴），轴是绘画的基准
4. 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 plt
plt.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 pyplot#module-matplotlib.pyplot

文中示例代码：python-100-days

关注公众号：python技术，回复"python"一起学习交流