一、一个最简单的绘图例子

Matplotlib的图像是画在figure（如windows，jupyter窗体）上的，每一个figure又包含了一个或多个axes（一个可以指定坐标系的子区域）。最简单的创建figure以及axes的方式是通过pyplot.subplots命令，创建axes以后，可以使用Axes.plot绘制最简易的折线图。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()  # 创建一个包含一个axes的figure
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # 绘制图像

和MATLAB命令类似，还可以通过一种更简单的方式绘制图像，matplotlib.pyplot方法能够直接在当前axes上绘制图像，如果用户未指定axes，matplotlib会帮你自动创建一个。所以上面的例子也可以简化为以下这一行代码。

plt.plot([1, 2, 3, 4], [1, 4, 2, 3])  

二、Figure的组成

通过一张figure解剖图，一个完整的matplotlib图像通常会包括以下四个层级，这些层级也被称为容器（container）。可以通过各种命令方法来操纵图像中的每一个部分，从而达到数据可视化的最终效果，一副完整的图像实际上是各类子元素的集合。

Figure：顶层级，用来容纳所有绘图元素

Axes：matplotlib宇宙的核心，容纳了大量元素用来构造一幅幅子图，一个figure可以由一个或多个子图组成

Axis：axes的下属层级，用于处理所有和坐标轴，网格有关的元素

Tick：axis的下属层级，用来处理所有和刻度有关的元素

三、两种绘图接口

matplotlib提供了两种最常用的绘图接口

显式创建figure和axes，在上面调用绘图方法，也被称为OO模式（object-oriented style)

依赖pyplot自动创建figure和axes，并绘图

使用第一种绘图接口，是这样的：

x = np.linspace(0, 2, 100)
fig, ax = plt.subplots()  
ax.plot(x, x, label='linear')  
ax.plot(x, x**2, label='quadratic')  
ax.plot(x, x**3, label='cubic')  
ax.set_xlabel('x label') 
ax.set_ylabel('y label') 
ax.set_title("Simple Plot")  
ax.legend() 

而如果采用第二种绘图接口，绘制同样的图，代码是这样的：

x = np.linspace(0, 2, 100)
plt.plot(x, x, label='linear') 
plt.plot(x, x**2, label='quadratic')  
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()

四、作业

你在工作或学习中通常何时会用到数据可视化，希望通过可视化达到什么目的？

【答】论文画图，数据分析，写报告等。

五、打卡计划