【Python强化】matplotlib教程⼤全⼀、初识matplotlib
1.1 核⼼原理
使⽤matplotlib绘图的原理，主要就是理解figure(画布)、axes(坐标系)、axis(坐标轴)三者之间的关系。
下⾯这幅图更详细：
matplotlib中，就是需要指定axes(坐标系)，每⼀个axes(坐标系)相当于⼀张画布上的⼀块区域。⼀张画布上，可以分配不同区域，也就是说，⼀张画布，可以指定多个axes(坐标系)。
⼀个figure(画布)上，可以有多个区域axes(坐标系)，我们在每个坐标系上绘图，也就是说每个axes(坐标系)中，都有⼀个axis(坐标轴)。
matplotlib中subplot特别注意：在matplotlib中，figure画布和axes坐标轴并不能显⽰的看见，我们能够看到的就是⼀个axis坐标轴的各种图形。
1.2 基本使⽤
1.2.1 创建figure(画布)的两种⽅式
1.2.1.1 隐式创建figure对象
当第⼀次执⾏()画图代码时，系统会去判断是否已经有了figure对象，如果没有，系统会⾃动创建⼀个figure对象，并且在这
个figure之上，⾃动创建⼀个axes坐标系。
【注意】默认创建⼀个figure对象，⼀个axes坐标系
也就是说，如果我们不设置figure对象，那么⼀个figure对象上，只能有⼀个axes坐标系，即我们只能绘制⼀个图形。
隐式创建figure对象存在的问题
优势：如果只是绘制⼀个⼩图形，那么直接使⽤()的⽅式，会⾃动帮我们创建⼀个figure对象和⼀个axes坐标系，这个图形最终就是绘制在这个axes坐标系之上的。
劣势：如果我们想要在⼀个figure对象上，绘制多个图形，那么我们就必须拿到每个个axes对象，然后调⽤每个位置上的axes对象，就可以在每个对应位置的坐标系上，进⾏绘图，如下图所⽰。注意：如果figure对象是被默认创建的，那么我们根本拿不到axes对象。因此，需要我们显⽰创建figure对象。
1.2.1.2 显⽰创建figure对象
import matplotlib.pyplot as plt
fig = plt.figure()
axes1 = fig.add_subplot(2,1,1)
axes2 = fig.add_subplot(2,1,2)
plt.show()
案例：
figure = plt.figure()
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)
axes1.plot([1,3,5,7],[4,9,6,8])
axes2.plot([1,2,4,5],[8,4,6,2])
figure.show()
1.2.2 完整的绘图步骤
1.导库
import matplotlib as mpl
import matplotlib.pyplot as plt
2.创建figure画布对象
如果绘制⼀个简单的⼩图形，我们可以不设置figure对象，使⽤默认创建的figure对象，当然我们也可以显⽰创建figure对象。如果⼀张figure画布上，需要绘制多个图形。那么就必须显⽰的创建figure对象，然后得到每个位置上的axes对象，进⾏对应位置上的图形绘制。
3.根据figure对象进⾏布局设置
4.获取对应位置⼦图的axes坐标系对象
figure = plt.figure()
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)
5.调⽤axes对象，进⾏对应位置的图形绘制
这⼀步，是我们传⼊数据，进⾏绘图的⼀步。对于图形的⼀些细节设置，都可以在这⼀步进⾏。
6.显⽰图形
plt.show()或figure.show()如果在PyCharm中绘图的话，必须要加这句代码，才能显⽰。如果在notebook中进⾏绘图，可以不⽤加这句代码，⽽是⾃动显⽰。
⼆、matplotlib常⽤函数
2.1 绘制图表组成元素的主要函数
2.1.1 plot()——展现量的变化趋势
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1,10,1000)
y = np.cos(x)
# ls 曲线类型  lw曲线粗细  lable 图例名称
plt.plot(x,y,ls="--",lw=5,label="plot figure")
plt.legend()
plt.show()
2.1.2 scatter()——寻变量之间的关系
#encoding=utf-8
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1,10,1000)
y = np.random.rand(1000)
# ls 曲线类型  lw曲线粗细  lable 图例名称
plt.scatter(x,y,label="scatter figure")
plt.legend()
plt.show()
2.1.3 xlim()——设置x轴的数值显⽰范围
#encoding=utf-8
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1,10,1000)
y = np.random.rand(1000)
# ls 曲线类型  lw曲线粗细  lable 图例名称
plt.scatter(x,y,label="scatter figure")
plt.xlim(0.01,10)
plt.ylim(0,1)
plt.legend()
plt.show()
2.1.4 xlabel()——设置x轴的标签⽂本

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。