1. 简介
Matplotlib网址：https://matplotlib.org/
数据可视化是数据分析中最重要的工作之一。Matploblib是建立在Numpy数组基础上的多平台数据可视化程序库，专门用于开发2D图表（包括3D图表）。matploblib继承了Matlab的交互性，用户可以逐条输入命令，为数据生成渐趋完整的图形表示。
Matplotlib注意有如下优点：
- 使用简单。
- 以渐进、交互式方式实现数据可视化。
- 表达式和文本使用LaTeX排版。
- 对图像元素控制力强。
- 可输出PNG、PDF、SVG和EPS。
安装和导入Matplotab
# 安装Pandas '''Windows 按住win+R 输入 cmd，Mac 打开Terminal conda install matplotlib pip install matplotlib ''' import matplotlib as mpl # 导入模块 import matplotlib.pyplot as plt # 导入模块方法
2. Matplotlib 开发环境
Matplotlib 有3种开发环境，分别是脚本、IPython shell 和 IPython Notebook。
2.1 画图
在脚本中画图
如果在一个脚本文件中使用Matplotlib，那么现实图形的时候必须使用plt.show()启动一个事件循环（event loop），并找到所有当前可用的图形对象，然后打开一个或多个交互式窗口显示图形。
# 方法一 import matplotlib.pyplot as plt import numpy as np x = np.linspace(0,10,100) # 生成1～10中100个等差数 plt.plot(x,np.sin(x)) # 正弦曲线 plt.plot(x,np.cos(x)) # 余弦曲线 plt.show() # 画图
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0,10,100) fig = plt.figure() plt.plot(x,np.sin(x)) plt.plot(x,np.cos(x))
在IPython shell中画图
在IPython中使用%matplotlib魔法命令，启动Matplotlib模式，就不需要使用plt.show()。
%matplotlib import matplotlib.pyplot as plt import numpy as np x = np.linspace(0,10,100) plt.plot(x,np.sin(x)) plt.plot(x,np.cos(x))
在IPython Notebook中画图
IPython Notebook 是一款基于浏览器的交互式数据分析工具，可以将描述文字、代码、图形、HTML元素以及更多的媒体形式组合起来，集成到单个可执行的Notebook文档中。
%matplotlib notebook：在Notebook中启动交互式图形。%matplotlib inline：在Notebook中启动静态图形。
%matplotlib inline import matplotlib.pyplot as plt import numpy as np x = np.linspace(0,10,100) fig = plt.figure() plt.plot(x,np.sin(x)) plt.plot(x,np.cos(x))
2.2 画图接口
Matplotlib 提供了两种画图接口：一种是便捷的Matlab风格接口，另一个是功能更强大的面向对象接口。
Matlab 风格接口：最重要的特性是有状态的（stateful），它持续跟踪当前的图形和坐标轴，所有plt命令都可以应用。可以使用plt.gcf()获取当前图形的具体信息，使用plt.gca()获取当前坐标轴的具体信息。
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0,10,100) plt.figure() # 创建图形 plt.subplot(2,1,1) # 创建两个子图中的第一个，设置坐标轴，行、列、子图编号 plt.plot(x,np.sin(x)) plt.subplot(2,1,2) # 创建两个子图中的第二个，设置坐标轴 plt.plot(x,np.cos(x))
面向对象接口：可适应更复杂的场景，可以更好地控制图形。画图函数不再受到当前活动的图形或坐标轴的限制，而变成了显式的Figure和Axes的方法。复杂图形时，面向对象接口方法更方便。
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0,10,100) fig,ax = plt.subplots(2) # 创建图形网格，ax是一个包含两个Axes对象的数组 ax[0].plot(x,np.sin(x)) ax[1].plot(x,np.cos(x))
2.4 线形图
线性图形就是方程y=f(x)使用plt.style可以选择图形的绘图风格。figure 可以被看成是一个能够容纳各种坐标轴、图形、文字和标签的容器。axes 是一个带有刻度和标签的矩形，最终包含所有可视化的图形元素。
plt.style.use('seaborn-whitegrid') # fig = plt.figure() # 创建一个图形 fig ax = plt.axes() # 创建一个坐标 ax x = np.linspace(0,10,1000) ax.plot(x,np.sin(x)) # 使用 ax.plot画图 plt.plot(x,np.cos(x)) # 使用 pylab 接口画图
调整线条的颜色与风格
put.plot()函数可以通过相应的参数设置颜色与风格。要修改颜色，可以使用color参数，它支持各种颜色值的字符串。
plt.plot(x,np.sin(x-0),color='blue') # 标准颜色名称 plt.plot(x,np.sin(x-1),color='g') # 缩写颜色代码 plt.plot(x,np.sin(x-2),color='0.75') # 范围在0～1的灰度值 plt.plot(x,np.sin(x-3),color='#FFDD44') # 十六进制（RRGGBB，00～FF） plt.plot(x,np.sin(x-4),color=(1.0,0.2,0.3)) # RGB 元组，范围0～1 plt.plot(x,np.sin(x-5),color='chartreuse') # HTML 颜色名称
使用linestyle可以调整线条的风格
plt.plot(x,x+0,linestyle='solid') plt.plot(x,x+1,linestyle='dashed') plt.plot(x,x+2,linestyle='dashdot') plt.plot(x,x+3,linestyle='dotted') plt.plot(x,x+4,linestyle='-') # 实线 plt.plot(x,x+5,linestyle='--') # 虚线 plt.plot(x,x+6,linestyle='-.') # 点画线 plt.plot(x,x+7,linestyle=':') # 实点线
也可以将linestyle和color组合起来，作为plt.plot()函数的一个非关键字使用。
plt.plot(x,x+0,'-g') # 绿色实线 plt.plot(x,x+1,'--c') # 青色虚线 plt.plot(x,x+2,'-.k') # 黑色点画线 plt.plot(x,x+3,':r') # 红色实点线
调整坐标轴上下限和设置图形标签
Matplotlib 自动为图形选择最合适的坐标轴上下限，但是有时自定义坐标轴上下限可能会更好。调整坐标轴上下限最基础的方法是plt.xlim()和plt.ylim()。
也可以使用plt.axis()，通过传入[xmin,xmax,ymin,ymax]对应的值，它还可以按照图形的内容自动收紧坐标轴，不留空白区域。
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0,10,100) fig = plt.figure() plt.plot(x,np.sin(x)) # plt.xlim(-1,11) # plt.ylim(-1.5,1.5) plt.axis([-1,11,-1.5,1.5]) plt.axis('tight') # 根据内容自动收紧坐标轴，不留空白 plt.axis('equal') # 设置分辨率为1:1，x轴单位长度和y轴单位长度相等 plt.title('y=sin(x)') # 标题 plt.xlabel('x') # x轴标题 plt.ylabel('sin(x)') # y轴标题
也可以使用plt.legend()方法创建图例。将每条的标签与其风格、颜色自动匹配。
plt.plot(x,np.sin(x),'-g',label='sin(x)') plt.plot(x,np.cos(x),':b',label='cos(x)') plt.axis('equal') plt.legend() # 自动匹配
20. Matplotlib 数据可视化（下）：https://developer.aliyun.com/article/1529108
