绘图与可视化--matplotlib API入门
matplotlib API函数都位于matplotlib.pyplot模块中。
本节代码中引入的约定为：import matplotlib.pyplot as plt
另外，numpy库也会用到，约定：import numpy as np
1 matplotlib API入门
官方文档：Users guide — Matplotlib 3.5.0 documentation
1.1 Figure和Subplot
matplotlib的图像位于Figure对象中，可以使用plt.figure()创建一个新的Figure。
不能通过Figure绘图，必须用add_subplot创建一个或多个subplot才行。
# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt
fig = plt.figure()
#图像为2x2，当前选中的是4个subplot中的第一个
ax1 = fig.add_subplot(2, 2, 1)
plt.plot([1.5, 3.5, -2, 1.6])
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
# 默认在最后一个用过的subplot（ax3）上进行绘制
# 'K--'是一个线性选项，告诉matplotlib绘制黑色虚线图
plt.plot(np.random.randn(50).cumsum(), 'k--')
plt.show()
显示的图像为：
由于根据特定布局创建Figure和subplot是很常见的任务，于是出现了更常见的方法（plt.subplots），它可以创建一个新的Figure，并返回一个含有已创建的subplot对象的NumPy数组。
>>> fig, axes = plt.subplots(2, 3)
>>> print(fig)
Figure(640x480)
>>> print(axes)
[[<AxesSubplot:> <AxesSubplot:> <AxesSubplot:>]
[<AxesSubplot:> <AxesSubplot:> <AxesSubplot:>]]
这种操作很方便，可以轻松对axes数组进行索引，就像一个二维数组一样，如axes[0, 1]。
还可以通过sharex和sharey指定subplot应该具有相同的X轴或Y轴。在相同范围的数据时，很实用。
否则matplotlib会自动缩放各图表的界限。下表是subplots方法的更多信息。
函数原型：subplots(nrows=1, ncols=1, , sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None)
官方说明：matplotlib.figure — Matplotlib 3.5.0 documentation
| 参数 | 说明 |
|---|---|
| nrows | subplot的行数 |
| ncols | subplot的列数 |
| sharex | 所有subplot应该使用相同的X轴刻度（调节xlim将会影响所有subplot） |
| sharey | 所有subplot应该使用相同的Y轴刻度（调节ylim将会影响所有subplot） |
| subplot_kw | 用于创建各subplot的关键字字典 |
| fig_kw | 创建figure时的其它关键字，如plt.subplots(2, 2, figsize=(8, 6)) |
1.2 调整subplot周围的间距
默认情况下，matplotlib会在subplot外围留下一定的边距，并在subplot之间留下一定的间距。
间距和图像的高度和宽度有关，因此，如果调整了图像大小，间距也会自动调整。
例如Figure的subplots_adjust方法可以修改间距，这也是一个顶级函数。
wspace和hspace用于控制宽度和高度的百分比，可以用作subplot之间的间距。
下面举例将间距收缩到0：
1 >>> fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)
2 >>> for i in range(2):
3 ... for j in range(2):
4 ... axes[i, j].hist(np.random.randn(500), bins=50, color='k', alpha=0.5)
5 ...
6 >>> plt.subplots_adjust(wspace=0, hspace=0)
7 >>> plt.show()
可以看出，其中的轴标签重叠了，matplotlib不会检查标签是否重叠，对于这种情况，只能自己设置刻度位置和刻度标签。
1.3 颜色、标记和线性
matplotlib函数接受一组X和Y坐标，还可以接受一个表示颜色和线型的字符串缩写。如根据x和y绘制绿色虚线，可执行ax.plot(x, y, ‘g--’)。
下面是通过更为明确的方式得到同样的效果：ax.plot(x, y, linestyle=’--’, color=’g’)。
常用的颜色都有一个缩写，要使用其它颜色可以通过指定其RGB值的形式使用（如：’#CECECE’）。
线型图还可以加上一些标记（marker），以强调实际的数据点。由于matplotlib创建的是连续的线型图（点与点之间插值），因此有时可能不太容易看出这是数据点的位置。标记也可放在格式字符串中，当标记类型和线型必须放在颜色后面。
1 >>> plt.plot(np.random.randn(30).cumsum(), 'ko--')
2 [<matplotlib.lines.Line2D object at 0x0000026BBD6FE2E8>]
3 >>> plt.show()
也可以使用更为明确的方式：
1 >>> plt.plot(np.random.randn(30).cumsum(), color='k', linestyle='dashed', marker='o')
在线型图中，非实际数据点默认是按线性方式插值的，可以通过drawstyle选项修改：
1 >>> data = np.random.randn(30).cumsum()
2 >>> plt.plot(data, 'k--', drawstyle='steps-post', label='Default')
3 [<matplotlib.lines.Line2D object at 0x0000026BBAE3DF28>]
4 >>> plt.legend(loc='best')
5 <matplotlib.legend.Legend object at 0x0000026BBD7E7C18>
6 >>> plt.show()
7 >>>
1.4 刻度、标签和图例
对于大多数的图表装饰项，其主要实现方式有二：使用过程型的pyplot接口以及更为面向对象的原生matplotlib API。
pyplot接口的设计目的是交互式使用，还有诸如xlim、xticks和xticklabels之类的方法。它们分别控制图表的范围、刻度位置、刻度标签等。其使用方式有以下两种：
- 调用时不带参数，则返回当前的参数值，例如，plt.xlim()返回当前的X轴绘图范围。
- 调用时带参数，则设置参数值。如，plt.xlim([0, 10])会将X轴的范围设置为0到10。
所有这些方法都是对当前或最近创建的AxesSubplot起作用的。它们各自对应subplot对象上的两个方法，以xlim为例，就是ax.get_xlim和ax.set_xlim。
1.5 设置标题、轴标签、刻度以及刻度标签
要修改X轴的刻度，最简单的方法是使用set_xticks（刻度在数据范围中的哪些位置，也是刻度标签值）和set_xticklabels（将任何其它的值用作标签）。
>>> fig = plt.figure()
>>> ax = fig.add_subplot(1, 1, 1)
>>> ax.plot(np.random.randn(1000).cumsum())
[<matplotlib.lines.Line2D object at 0x000001C5A6EEA5E0>]
>>> ticks = ax.set_xticks([0, 250, 500, 750, 1000])
>>> labels = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'], rotation=30, fontsize='small')
>>> ax.set_title('My first matplotlib plot')
Text(0.5, 1.0, 'My first matplotlib plot')
>>> ax.set_xlabel('Stages')
Text(0.5, 0, 'Stages')
>>> plt.show()
set_xlabel用于为X轴设置一个名称。
1.6 添加图例
图例（legend）是另一种用于标识图表元素的重要工具。添加图例的方式有两种。
（1）最简单的是在添加subplot的时候是否传入label参数
1 fig = plt.figure()
2 ax = fig.add_subplot(1, 1, 1)
3
4 ax.plot(np.random.randn(10), 'k', label='one')
5 ax.plot(np.random.randn(10), 'g', label='two')
6 ax.plot(np.random.randn(10), 'b', label='three')
7
8 # 创建图例
9 ax.legend(loc='best') #确定图例的位置
10 plt.show()
1.7 注释以及在Subplot上绘图
注释可以通过text、arrow和annotate等函数进行添加。
text可以将文本绘制在图表的指定作表(x, y)，还可以加上一些自定义格式：ax.text(x, y, ‘name’, family=’monospace’, fontsize=10)
1 fig = plt.figure()
2 ax = fig.add_subplot(1, 1, 1)
3 data = np.random.randn(10).cumsum()
4 max_value, max_index = [data.max(), data.argmax()]
5 ax.plot(data, 'k--', label='text')
6
7 ax.text(max_index, max_value, 'max value!', family='monospace', fontsize=10)
8
9 plt.show()
注释中可以含有文本也可以含有箭头。
1.8 图形的绘制
matplotlib有一些表示常见图形的对象。这些对象被称为块（patch）。完整的集合在matplotlib.patches。
要在图表中创建一个图形，需要创建一个块对象shp，然后通过ax.add_patch(shp)将其添加到subplot中。
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color='k', alpha=0.3)
circ = plt.Circle((0.7, 0.2), 0.15, color='b', alpha=0.3)
pgon = plt.Polygon([[0.15, 0.15], [0.35, 0.4], [0.2, 0.6]], color='g', alpha=0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)
plt.show()
1.9 将图表保存到文件
利用plt.savefig可以将当前图表保存到文件，该方法相当于Figure对象的实例方法savefig，例如要将图表保存为SVG文件，只需要输入plt.savefig(‘figpath.svg’)。
文件类型是通过文件扩展名推断出来的。在发布图片时最常用的两个重要的选项是dpi（控制“每英寸点数”分辨率和bbox_inches（可以剪除当前图表周围的空白部分））。如，要得到一张带有最小白边且分辨率为400DPI的PNG图片，可以：plt.savefig(‘figpath.png’, dpi=400, bbox_inches=’tight’)。
savefig并非一定要写入磁盘，可以写入任何文件类型的对象，比如stringIO。
官方文档：matplotlib.pyplot.savefig — Matplotlib 3.5.0 documentation
下表是Figure.savefig()方法的参数及说明。
| 参数 | 说明 |
|---|---|
| fname | 含有文件路径的字符串或python的文件型对象。图像格式由摁键扩展名推断出 |
| dpi | 图像像素点（每英寸点数），默认为100 |
| facecolor、edgecolor | 图像的背景色，默认为“w”（白色） |
| format | 显示设置文件格式（“png”、“pdf”、“svg”…） |
| bbox_inches | 图表需要保存的部分，如果设置为“tight”，则将尝试剪除图表周围的空白部分 |
1.10 matplotlib配置
matplotlib自带一些配色方案，以及为生成出版质量的图片而设定的默认配置信息。几乎所有默认行为都可以通过一组全局参数进行自定义，它们可以管理图像大小、subplot边距、配色方案、字体大小、网格类型等。
操作matplotlib配置系统的方式主要有两种。第一种python编程方式，即利用rc方法。比如将全局的图像默认大小设置为10x10，则：plt.rc(‘figure’, figsize=(10, 10))
rc的第一个参数时希望自定义的对象，如“figure”、“axes”、“xtick”、“ytick”、“grid”、“legend”等。其后可以跟上一系列的关键字参数。最简单的方式是将这些选项写成一个字典：
font_options = {‘family’: ‘monospace’, ‘weigt’: ‘bold’, ‘size’: ‘small’}
plt.rc(‘font’, **font_options)
