[[441338]]

哈嘍，大家好。今天寫一篇 Matplotlib 的入門教程。

Matplotlib 是 Python 數(shù)據(jù)可視化庫，廣泛應(yīng)用在數(shù)據(jù)分析和機(jī)器學(xué)習(xí)中。

1. 第一張圖

Matplotlib 支持面向?qū)ο蠛蚿yplot接口兩種方式畫圖。

以這兩種方式為例，畫出如下圖所示的函數(shù)圖。

y=x^2

面向?qū)ο蠓绞?/h3>

import matplotlib.pyplot as plt 
import numpy as np 
 
x = np.linspace(0, 2, 100) 
 
fig, ax = plt.subplots() 
ax.plot(x, x**2) # 折線圖 
ax.set_xlabel('x') # 設(shè)置橫坐標(biāo)名稱 
ax.set_ylabel('y') # 設(shè)置縱坐標(biāo)標(biāo)簽 
ax.set_title("y = x^2") # 設(shè)置標(biāo)題 
 
plt.show() 

plt.subplots() 函數(shù)返回fig和ax，分別是Figure對象和Axes對象。前者代表畫布，后者代表畫布上的繪圖區(qū)域，很顯然畫布和繪圖區(qū)域是一對多的關(guān)系。

之后關(guān)于繪圖的設(shè)置，都通過Axes對象完成。

pyplot方式

import matplotlib.pyplot as plt 
import numpy as np 
 
x = np.linspace(0, 2, 100) 
 
plt.figure() 
plt.plot(x, x**2) 
plt.xlabel('x') 
plt.ylabel('y') 
 
plt.show() 

pyplot方式繪圖和設(shè)置都通過plt來完成，沒有對象的概念。

雖然這兩種方式都能畫圖，但官方更建議采用面向?qū)ο蟮姆绞健?/p>

2. 支持多種圖形

除了上面例子中看到的折線圖，Matplotlib 還支持以下圖形：

• stackplot：堆疊圖
• bar/barh：柱狀圖
• hist：直方圖
• pie：餅形圖
• scatter：散點圖
• contourf：等高線圖
• boxplot：箱型圖
• violinplot：提琴圖

另外，Matplotlib 還是支持 3D 繪圖

3. 常見設(shè)置

在第一小節(jié)的例子里，我們通過set_xlabel和set_title設(shè)置坐標(biāo)軸名稱和標(biāo)題。

除此之外，還可以添加注釋和圖例。

x = np.linspace(0, 2, 100) 
 
fig, ax = plt.subplots() 
ax.plot(x, x**2, label='二次函數(shù)') 
ax.set_xlabel('x') 
ax.set_ylabel('y') 
ax.set_title("y = x^2") 
 
# 添加注釋 
ax.annotate('坐標(biāo)(1,1)', xy=(1, 1), xytext=(0.5, 1.5), 
            arrowprops=dict(facecolor='black', shrink=0.05)) 
# 添加圖例 
ax.legend() 

還可以設(shè)置坐標(biāo)軸的格式

ax.xaxis.set_major_formatter('x坐標(biāo){x}') 

如果坐標(biāo)軸是日期會非常有用，可以將日期轉(zhuǎn)成周、月、季度等格式。

4. 一個畫布多圖形前面提到過，一個畫布可以有多個繪圖區(qū)域。

下面使用plt.subplots()函數(shù)可以創(chuàng)建2行2列，4個繪圖區(qū)域。

import matplotlib.pyplot as plt 
import numpy as np 
 
fig, axs = plt.subplots(ncols=2, nrows=2, figsize=(5.5, 3.5), 
                        constrained_layout=True) 
# add an artist, in this case a nice label in the middle... 
for row in range(2): 
    for col in range(2): 
        axs[row, col].annotate(f'axs[{row}, {col}]', (0.5, 0.5), 
                               transform=axs[row, col].transAxes, 
                               ha='center', va='center', fontsize=18, 
                               color='darkgrey') 
fig.suptitle('plt.subplots()') 

也可以通過subplot_mosaic()函數(shù)創(chuàng)建

fig, axd = plt.subplot_mosaic([['upper left', 'upper right'], 
                               ['lower left', 'lower right']], 
                              figsize=(5.5, 3.5), constrained_layout=True) 
for k in axd: 
    annotate_axes(axd[k], f'axd["{k}"]', fontsize=14) 
fig.suptitle('plt.subplot_mosaic()') 

通過subplot_mosaic()函數(shù)，還可以將其他幾個繪圖區(qū)域合并成一個。

fig, axd = plt.subplot_mosaic([['upper left', 'right'], 
                               ['lower left', 'right']], 
                              figsize=(5.5, 3.5), constrained_layout=True) 
for k in axd: 
    annotate_axes(axd[k], f'axd["{k}"]', fontsize=14) 
fig.suptitle('plt.subplot_mosaic()') 

通過 GridSpec 也可以創(chuàng)建更復(fù)雜的繪圖區(qū)域。

fig = plt.figure(constrained_layout=True) 
gs0 = fig.add_gridspec(1, 2) 
 
gs00 = gs0[0].subgridspec(2, 2) 
gs01 = gs0[1].subgridspec(3, 1) 
 
for a in range(2): 
    for b in range(2): 
        ax = fig.add_subplot(gs00[a, b]) 
        annotate_axes(ax, f'axLeft[{a}, ]', fontsize=10) 
        if a == 1 and b == 1: 
            ax.set_xlabel('xlabel') 
for a in range(3): 
    ax = fig.add_subplot(gs01[a]) 
    annotate_axes(ax, f'axRight[{a}, ]') 
    if a == 2: 
        ax.set_ylabel('ylabel') 
 
fig.suptitle('nested gridspecs') 

5. 高級用法

Matplotlib 很強(qiáng)大，設(shè)置很靈活，比如，折線圖可以用極坐標(biāo)畫圖

稍加改造還可以畫出玫瑰圖。

折線圖隱藏坐標(biāo)軸和邊框，再結(jié)合注釋就可以畫出時間軸

多圖組合形成更復(fù)雜的統(tǒng)計圖

Matpolitlib還支持圖形動畫和交互式。

今天這篇文章只介紹了 Maptplotlib 很初級的一部分內(nèi)容，它本身內(nèi)容非常豐富、也很復(fù)雜。后面有機(jī)會我們可以介紹更深入的內(nèi)容。

如果本文對你有用就點個 在看 鼓勵一下吧。