Matplotlib学习笔记1 - 上手制作一些图表吧！

Matplotlib是一个面向Python的，专注于数据可视化的模块。

快速上手

这是使用频率最高的几个模块，在接下来的程序中，都需要把它们作为基础模块

import matplotlib as mpl

import matplotlib.pyplot as plt

import numpy as np

第一个图表

使用pyplot.plot函数，可以在坐标轴上画一条曲线。

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

plt.show()

让图表变得更加可读

使用pyplot.xlabel与pyplot.ylabel可以给图表的x轴与y轴进行标注；使用pyplot.title给图表起一个标题。在这个例子中，分别绘制了两次曲线，分别标注为了'original'和'cos'，使用pyplot.legend可以为图表增加一个图例。

# Generate some data

x=np.arange(0,10,0.2)

y=np.cos(x)

# Plot the figure

plt.plot(x,x,'r-',label='original')

plt.plot(x,y,'b-',label='cos')

# Some decoration

plt.xlabel('Enter a')

plt.ylabel('Enber b')

plt.title('My first chart')

plt.legend()

plt.show()

图表的组成部分

这是一个Matplotlib图表的组成示意图。

Figure: Figure囊括了整个图表（包括曲线啦~标题啦~坐标之类的），它有若干下属Axes子类

Axes：Axes是Figure的附属子类，包含了作图的区域。一般来说每个Axes会包含2个Axis类，在三维图中则含有3个。

绘制函数所支持的输入数据类型

并不是所有的数据都能顺利地被pyplot的绘制函数识别并绘成图表。一般来说函数支持numpy.array、numpy.ma.masked_array，或者可以被numpy.asarray转化(例如numpy.matrix)的数据类别。

Pyplot也支持通过一个“字典”来存储并运用数据，只需要在绘制函数中给出data关键字的参数，就可以通过字典的key，将字典中的数据导入绘制函数中。在下面的例子中，我们把各种变量存在'data'字典中，并通过下标来引用在在字典中的数据。

data = {'a': np.arange(50),

        'c': np.random.randint(0, 50, 50),

        'd': np.random.randn(50)}

data['b'] = data['a'] + 10 * np.random.randn(50)

data['d'] = np.abs(data['d']) * 100

fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained')

ax.scatter('a', 'b', c='c', s='d', data=data)

ax.set_xlabel('entry a')

ax.set_ylabel('entry b')

代码风格

显式交互与隐式交互

我们有两种不同的方式（或者说是两种不同的风格，因为本质上它们没有很大的区别）来与Matplotlib交互：

显式交互（Explicit interface）

显式地申明Figure与Axes变量，并通过它们调用函数（“面向对象” object-oriented 风格）

隐式交互（Implicit interface)

通过pyplot模块间接创建Figure和Axes，并用pyplot函数来绘图

巴特西

Matplotlib学习笔记1 - 上手制作一些图表吧！

Matplotlib学习笔记1 - 上手制作一些图表吧！

快速上手

第一个图表

让图表变得更加可读

图表的组成部分

绘制函数所支持的输入数据类型

代码风格

显式交互与隐式交互

最新文章

热门文章