Matplotlib

介绍

https://matplotlib.org/stable/api/index.html
Matplotlib是python中的一个包，主要用于绘制2D图形（当然也可以绘制3D，但是需要额外安装支持的工具包）。在数据分析领域它有很大的地位，而且具有丰富的扩展，能实现更强大的功能。

Matplotlib将数据绘制在 Figure s（即windows、Jupyter窗口小部件等），每个小部件都可以包含一个或多个 Axes （即，可以用x-y坐标（或极坐标图中的θ-r或3D图中的x-y-z等）来指定点的区域。创建带有轴的图形的最简单方法是使用 pyplot.subplots , 然后可以使用 Axes.plot 要在轴上绘制一些数据。

eg：

import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()  # 创建一个图
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # 在轴上绘制一些数据

对于每个 Axes 作图方法中，有一个对应的函数 matplotlib.pyplot 在“当前”轴上执行绘图的模块，如果轴（及其父图形）尚不存在，则创建这些轴。所以前面的例子可以写成

import numpy as np
import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])

Matplotlib架构

https://zhuanlan.zhihu.com/p/155927024
Matplotlib框架分为三层，这三层构成了一个栈，上层可以调用下层。

后端层

matplotlib的底层，实现了大量的抽象接口类，这些API用来在底层实现图形元素的一个个类
FigureCanvas对象实现了绘图区域这一概念
Renderer对象在FigureCanvas上绘图

美工层

图像中所有能看得到的元素都属于Artist对象，即标题、轴标签、刻度等组成图像的所有元素都是Artist对象的实例。
Figure:指整个图形(包括所有的元素,比如标题、线等)
Axes(坐标系):数据的绘图区域
Axis(坐标轴)：坐标系中的一条轴，包含大小限制、刻度和刻度标签
特点为：
一个figure(图)可以包含多个axes(坐标系)，但是一个axes只能属于一个figure。
一个axes(坐标系)可以包含多个axis(坐标轴)，包含两个即为2d坐标系，3个即为3d坐标系

脚本层

主要用于可视化编程，pylot、python语法和api层，pytplot模块可以提供给我们一个与matplotlib打交道的接口。可以只通过调用pyplot模块的函数从而操作整个程序包，来绘制图形。
操作或者改动Figure对象，例如创建Figure对象
大部分工作是处理样本文件的图形与坐标的生成

Matplotlib图形的组件

matplotlib画图步骤

导入模块：import matplotlib.pyplot as plt
定义图像窗口：plt.figure()
画图：plt.plot(x, y)
定义坐标轴范围：plt.xlim()/plt.ylim()
定义坐标轴名称：plt.xlabel()/plt.ylabel()
定义坐标轴刻度及名称：plt.xticks()/plt.yticks()
设置图像边框颜色：ax = plt.gca() ax.spines[].set_color()
调整刻度位置：ax.xaxis.set_ticks_position()/ax.yaxis.set_ticks_position()
调整边框（坐标轴）位置：ax.spines[].set_position()

分类

https://matplotlib.org/stable/tutorials/introductory/pyplot.html#formatting-the-style-of-your-plot

格式化绘图样式

对于每对x，y参数，都有一个可选的第三个参数，它是表示图的颜色和线条类型的格式字符串。

matplotlib.pyplot.plot函数

https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.plot.html#matplotlib.pyplot.plot
matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)[source]
plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
参数详解

格式化字符串
格式字符串由颜色，标记和线条的一部分组成。它们中的每一个都是可选的。如果未提供，则使用样式周期中的值。
fmt = '[marker][line][color]'
marker

line**

color
如果颜色是格式字符串的唯一部分，则可以另外使用任何matplotlib.colors规格，例如全名（’green’）或十六进制字符串（’#008000’）

import numpy as np
import matplotlib.pyplot as plt
# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
## 显示三条线，第一条红色--型，第二条蓝色方形标记，第三条，绿色三角形标记
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

matplotlib.pyplot.axis 函数

获取或设置某些轴属性的便捷方法
https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.axis.html#matplotlib-pyplot-axis
matplotlib.pyplot.axis(*args, emit=True, **kwargs)[source]

xmin, xmax, ymin, ymax = axis()
xmin, xmax, ymin, ymax = axis([xmin, xmax, ymin, ymax])
xmin, xmax, ymin, ymax = axis(option)
xmin, xmax, ymin, ymax = axis(**kwargs)

option

https://matplotlib.org/stable/gallery/lines_bars_and_markers/fill.html#sphx-glr-gallery-lines-bars-and-markers-fill-py

import numpy as np
import matplotlib.pyplot as plt
def koch_snowflake(order, scale=10):
    """
    Return two lists x, y of point coordinates of the Koch snowflake.
    Parameters
    ----------
    order : int
        The recursion depth.
    scale : float
        The extent of the snowflake (edge length of the base triangle).
    """
    def _koch_snowflake_complex(order):
        if order == 0:
            # initial triangle
            angles = np.array([0, 120, 240]) + 90
            return scale / np.sqrt(3) * np.exp(np.deg2rad(angles) * 1j)
        else:
            ZR = 0.5 - 0.5j * np.sqrt(3) / 3
            p1 = _koch_snowflake_complex(order - 1)  # start points
            p2 = np.roll(p1, shift=-1)  # end points
            dp = p2 - p1  # connection vectors
            new_points = np.empty(len(p1) * 4, dtype=np.complex128)
            new_points[::4] = p1
            new_points[1::4] = p1 + dp / 3
            new_points[2::4] = p1 + dp * ZR
            new_points[3::4] = p1 + dp / 3 * 2
            return new_points
    points = _koch_snowflake_complex(order)
    x, y = points.real, points.imag
    return x, y
x, y = koch_snowflake(order=5)
plt.figure(figsize=(8, 8))
plt.axis('equal')  # 通过更改轴限制设置相等的缩放比例（即使圆成为圆形）。
plt.fill(x, y)
plt.show()

用关键字字符串绘图

在某些情况下，有某种格式的数据，该格式允许您使用字符串访问特定变量。

matplotlib.pyplot.scatter 函数

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)[source]
参数说明

Matplotlib允许为此类对象提供data关键字参数

import numpy as np
import matplotlib.pyplot as plt
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
plt.scatter('a', 'b', c='c', s='d', data=data)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()

import numpy as np
import matplotlib.pyplot as plt
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
# plt.scatter('a', 'b', c='c', s='d', data=data)
plt.scatter('a', 'b', c='c', s='d', data=data, alpha=0.5, marker='x', linewidths=2)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()

用分类变量绘图

matplotlib.pyplot.subplot 函数

https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.subplot.html#matplotlib.pyplot.subplot
将轴添加到当前图形或检索现有轴

matplotlib.pyplot.bar 函数

绘制条形图
https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html#matplotlib.pyplot.bar

matplotlib.pyplot.suptitle 函数

https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.suptitle.html#matplotlib.pyplot.suptitle
在图上添加居中的字幕

import numpy as np
import matplotlib.pyplot as plt
names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]
plt.figure(figsize=(9, 3))
plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('Categorical Plotting')
plt.show()

控制线的属性

线条具有许多可以设置的属性：线宽，破折号样式，抗锯齿等
https://matplotlib.org/stable/api/_as_gen/matplotlib.lines.Line2D.html#matplotlib.lines.Line2D

• 使用关键字args：

plt.plot(x, y, linewidth=2.0)

• 使用Line2D实例的setter方法。plot返回Line2D对象列表；例如。在下面的代码中，我们假设只有一行，因此返回的列表的长度为1。我们使用tuple unpacking 获取该列表的第一个元素：line1, line2 = plot(x1, y1, x2, y2)line,

line, = plt.plot(x, y, '-')
line.set_antialiased(False) # turn off antialiasing

• 使用setp。下面的示例使用MATLAB样式的函数在行列表上设置多个属性。setp与对象列表或单个对象透明地工作。您可以使用python关键字参数或MATLAB样式的字符串/值对：

/

lines = plt.plot(x1, y1, x2, y2)
# use keyword args
plt.setp(lines, color='r', linewidth=2.0)
# or MATLAB style string value pairs
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)

与多种图形和轴工作

MATLAB和和pyplot具有当前图形和当前轴的概念。所有绘图功能均适用于当前轴。该函数gca返回当前轴（一个 matplotlib.axes.Axes实例），并gcf返回当前图形（一个matplotlib.figure.Figure实例）
figure此处的调用是可选的，因为如果不存在图形，则将创建图形，就像如果不存在，则将创建轴（相当于显式 subplot()调用）一样。

import numpy as np
import matplotlib.pyplot as plt
def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
plt.figure()
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()

可以通过使用多个figure具有递增数字的呼叫来创建多个数字 。当然，每个图形都可以包含您内心所希望的多个轴和子图

import matplotlib.pyplot as plt
plt.figure(1)                # the first figure
plt.subplot(211)             # the first subplot in the first figure
plt.plot([1, 2, 3])
plt.subplot(212)             # the second subplot in the first figure
plt.plot([4, 5, 6])
plt.figure(2)                # a second figure
plt.plot([4, 5, 6])          # creates a subplot() by default
plt.figure(1)                # figure 1 current; subplot(212) still current
plt.subplot(211)             # make subplot(211) in figure1 current
plt.title('Easy as 1, 2, 3') # subplot 211 title

您可以使用清除当前图形，使用清除clf 当前轴cla。
如果要制作大量图形，则还需要注意一件事：在使用图形明确关闭图形之前，图形所需的内存不会完全释放 close。删除对图形的所有引用，和/或使用窗口管理器杀死图形在屏幕上出现的窗口是不够的，因为pyplot会一直保持内部引用直到close 被调用。

使用文本

text可以用于在任意位置添加文本 xlabel，ylabel和title可以用于在指示的位置添加文本

import matplotlib.pyplot as plt
import numpy as np
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=1, facecolor='g', alpha=0.75)
plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(False)
plt.show()

在文本中使用数学表达式
plt.title(r'$\sigma_i=15$')
注释文字
文本的常见用法是注释绘图的某些功能， annotate方法（https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.annotate.html#matplotlib.pyplot.annotate）。在注释中，有两点要考虑：由参数表示的要注释xy的位置和text的位置xytext，这两个参数都是元组(x, y)。

ax = plt.subplot()
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
             arrowprops=dict(facecolor='black', shrink=0.05),
             )
plt.ylim(-2, 2)
plt.show()

对数轴和其他非线性轴

matplotlib.pyplot不仅支持线性轴刻度，还支持对数和对数刻度。如果数据跨多个数量级，则通常使用此方法。更改轴的比例很容易：plt.xscale（'log'）

# Fixing random state for reproducibility
np.random.seed(19680801)
# make up some data in the open interval (0, 1)
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))
# plot with various axes scales
plt.figure()
# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)
# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)
# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthresh=0.01)
plt.title('symlog')
plt.grid(True)
# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# Adjust the subplot layout, because the logit one may take more space
# than usual, due to y-tick labels like "1 - 10^{-3}"
plt.subplots_adjust(top=1, bottom=0.01, left=0.10, right=0.95, hspace=0.25,
                    wspace=0.35)
plt.show()

图例中文显示问题

如果使用的是中文标签，将在图像中无法显示，因为matplotlib默认为英文，可以在做图前进行下面的设置来显示中文：plt.rcParams['font.sans-serif'] = ['SimHei']

负号显示问题

保存图像时，负号可能不正常显示，可以通过如下代码解决：
plt.rcParams['axes.unicode_minus'] = False