小白学Python——Matplotlib 学习（1）

众所周知，通过数据绘图，我们可以将枯燥的数字转换成容易被人们接受的图表，从而让人留下更加深刻的印象。而大多数编程语言都有自己的绘图工具，matplotlib就是基于Python的绘图工具包，使用它我们可以仅仅使用几行代码就生成饼图、直方图、功率谱、条形图、错误图、散点图、气泡图，甚至生成动态图型也都很轻松。而且它的绘图方法丰富，可以在各种交互式环境中运行，且生成的图像质量高、兼容各种硬拷贝格式。

matplotlib的官网地址是https://matplotlib.org/index.html，下面这些是他们官网的一些示例图形。

pip安装

Matplotlib的安装比较容易，可以直接通过pip安装，也可以通过下载安装包的方式安装。博主使用的是python3，相关的安装命令如下：

pip install matplotlib

Matplotlib是整个包，matplotlib.pyplot是Matplotlib中的一个模块。对于pyplot模块中的功能，始终存在“当前”图形和轴（根据请求自动创建）。例如，在下面的例子中，在第一次调用plt.plot创建轴，则后续调用plt.plot在同一坐标添加额外的线，以及 plt.xlabel，plt.ylabel，plt.title和plt.legend设置轴标签和标题和添加的图例。pylab是一个便利模块，可以在单个命名空间中批量导入 matplotlib.pyplot（用于绘图）和numpy（用于数学和使用数组）。不推荐使用pylab，并且由于命名空间污染而强烈建议不要使用它。请改用pyplot。对于非交互式绘图，建议使用pyplot创建图形，然后使用OO界面进行绘图。pyplot是matplotlib的一个模块，pylab是与matplotlib共同安装的模块。

matplotlib的用户指南分为三个等级：入门，中级，高级。在入门级，主要介绍下图内容

这里我首先介绍 使用指南 部分，即 Usage Guide。

1.一张图的组成

在使用matplotlib画图时，你会发现各种参数，下面就说说这些参数具体设置什么

简单绘图

import matplotlib.pyplot as plt

import numpy as np

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()

plt.show()

sinx 函数

import matplotlib.pyplot as plt

import numpy as np

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

y = np.sin(x)

fig, ax = plt.subplots()

ax.plot(x, y)
plt.title("Sin(x)")

plt.show()

自定义画图函数

import matplotlib.pyplot as plt

import numpy as np

def my_plotter(ax, data1, data2, param_dict):

    """

    A helper function to make a graph

    Parameters

    ----------

    ax : Axes

        The axes to draw to

    data1 : array

       The x data

    data2 : array

       The y data

    param_dict : dict

       Dictionary of kwargs to pass to ax.plot

    Returns

    -------

    out : list

        list of artists added

    """

    out = ax.plot(data1, data2, **param_dict)

    return out

# which you would then use as:

data1, data2, data3, data4 = np.random.randn(4, 100)

fig, ax = plt.subplots(1, 1)

my_plotter(ax, data1, data2, {'marker': 'x'})

plt.show()

生成2个子图

fig, (ax1, ax2) = plt.subplots(1, 2)

my_plotter(ax1, data1, data2, {'marker': 'x'})

my_plotter(ax2, data3, data4, {'marker': 'o'})

交互模式

交互模式也可以通过matplotlib.pyplot.ion()，然后关闭通过打开matplotlib.pyplot.ioff()。

#交互式示例

import matplotlib.pyplot as plt

plt.ion()

plt.plot([1.6, 2.7])

plt.title("interactive test")

plt.xlabel("index")

ax = plt.gca()

ax.plot([3.1, 2.2])

#旧版本调用draw()显示图象

plt.draw()

#非交互式示例

import numpy as np

import matplotlib.pyplot as plt

plt.ioff()

for i in range(3):

    plt.plot(np.random.rand(10))

    plt.show()

在交互模式下，pyplot功能会自动绘制到屏幕上。

以交互方式绘制时，如果除了pyplot函数之外还使用对象方法调用，则draw()只要您想刷新绘图，就会调用。

在要生成一个或多个图形的脚本中使用非交互模式，并在结束或生成一组新图形之前显示它们。在这种情况下，用于 show()显示图形并阻止执行，直到您手动销毁它们。