matplotlib入门

matplotlib 做基于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 pip
python -m pip install -U matplotlib

#pip install matplotlib --user
#引入matplotlib包
import matplotlib.pyplot as plt
import 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.

[<matplotlib.lines.Line2D at 0x7f34ca8c95e0>]

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 matplotlib
import matplotlib.pyplot as plt
matplotlib.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 np
  import pandas
  a=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         e
  0  0.505938  0.742418  0.732312  0.008823  0.559201
  1  0.834437  0.657429  0.136503  0.654495  0.841873
  2  0.725788  0.746307  0.240214  0.732954  0.119796
  3  0.452142  0.172521  0.103506  0.472862  0.744575
  a_array=a.values
  print(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         e
  0  0.505938  0.742418  0.732312  0.008823  0.559201
  1  0.834437  0.657429  0.136503  0.654495  0.841873
  2  0.725788  0.746307  0.240214  0.732954  0.119796
  3  0.452142  0.172521  0.103506  0.472862  0.744575

• 将numpy.matrix转换

  import numpy as np
  b = 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 plt
x=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 plt
x=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

在脚本内部配置

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