matplotlib教程 - plot 的生命周期 - 《Python程序设计数字教程》

=======================
The Lifecycle of a Plot
=======================
本教程旨在使用Matplotlib显示单个可视化的入门、灵活使用和提升。我们将从一些原始数据开始，最后保存一个自定义可视化的图形。在此过程中，我们将尝试使用Matplotlib突出显示一些小巧而优雅的特性和最佳实践。
应用模块：：matplotlib
本教程基于Chris Moffitt的“这篇优秀的博客文章”。它被Chris Holdgraf转换成了matplotlib官方教程，又被武汉理工大学赵广辉教授整理、解析为本教程。

关于面向对象API与Pyplot的比较
========================
Matplotlib有两个接口:
第一个是面向对象（OO）接口。在本例中，我们使用一个实例：class:axes.Axes 来呈现实例 class:figure.Figure 的可视化效果。
第二种是基于MATLAB，使用基于状态的接口。它封装在.pyplot模块中。

大多数术语都是简洁明了的，需要记住的主要事情是：
图形是可能包含一个或多个Axes的最终图像。
Axes代表一个单独的绘图（不要将其与“axis”一词混淆，后者指的是绘图的x/y轴）。

我们调用直接从Axes进行绘图的方法，这种方法使我们在自定义绘图时具有更大的灵活性和功能。
需要注意的是，一般来说，尝试在pyplot接口上使用面向对象接口。

我们的数据

========
我们将使用本教程的源文章中的数据，它包含许多公司的销售信息。

# sphinx_gallery_thumbnail_number = 10
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter
data = {'Barton LLC': 109438.50,
        'Frami, Hills and Schmidt': 103569.59,
        'Fritsch, Russel and Anderson': 112214.71,
        'Jerde-Hilpert': 112591.43,
        'Keeling LLC': 100934.30,
        'Koepp Ltd': 103660.54,
        'Kulas Inc': 137351.96,
        'Trantow-Barrows': 123381.38,
        'White-Trantow': 135841.99,
        'Will LLC': 104437.60}
group_data = list(data.values())
group_names = list(data.keys())
group_mean = np.mean(group_data)

入门
===============

该数据自然地可视化为一个柱形图，每个分组。为了使用面向对象的方法实现这一点，我们将首先生成实例：class:figure.Figure and# :class:axes.Axes。这个图形就像一个画布，Axes是画布的一部分，我们将在上面进行特定的可视化。

fig, ax = plt.subplots()

现在我们有了一个Axes实例，我们可以在它上面绘图。

fig, ax = plt.subplots()
ax.barh(group_names, group_data)

控制样式

=====================
Matplotlib中有许多样式可供使用，以便根据需要调整可视化效果。要查看样式列表，可以使用：mod:.style。

print(plt.style.available)

可以使用以下命令激活样式：

plt.style.use('fivethirtyeight')

现在让我们重新制作上面的绘图，看看它看起来什么样：

# sphinx_gallery_thumbnail_number = 10
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter
data = {'Barton LLC': 109438.50,
        'Frami, Hills and Schmidt': 103569.59,
        'Fritsch, Russel and Anderson': 112214.71,
        'Jerde-Hilpert': 112591.43,
        'Keeling LLC': 100934.30,
        'Koepp Ltd': 103660.54,
        'Kulas Inc': 137351.96,
        'Trantow-Barrows': 123381.38,
        'White-Trantow': 135841.99,
        'Will LLC': 104437.60}
group_data = list(data.values())
group_names = list(data.keys())
group_mean = np.mean(group_data)
fig, ax = plt.subplots()
fig, ax = plt.subplots()
ax.barh(group_names, group_data)
plt.show()

样式可以控制，如颜色、线宽、背景等很多因素。

自定义绘图

====================
现在我们有了一个我们想要的总体外观的绘图，所以让我们对它进行微调，以便它可以印刷。首先，让我们旋转 x轴上的标签，使它们更清晰地显示出来。我们可以使用以下方法访问这些标签：meth:axes.axes.get\xticklabels

fig, ax = plt.subplots()
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()

如果我们想同时设置许多项的属性，那么可以使用：pyplot.setp函数，这将接收一个或多个Matplotlib对象的列表（或多个列表），并尝试设置每个对象的一些样式元素。

fig, ax = plt.subplots()
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')