python Matplotlib数据可视化（1）：简单入门

1 matplot入门指南

matplotlib是Python科学计算中使用最多的一个可视化库，功能丰富，提供了非常多的可视化方案，基本能够满足各种场景下的数据可视化需求。但功能丰富从另一方面来说也意味着概念、方法、参数繁多，让许多新手望而却步。

据我了解，大部分人在对matplotlib接触不深时都是边画图边百度，诸如这类的问题，我想大家都似曾相识：Python如何画散点图，matplotlib怎么将坐标轴标签旋转45度，怎么设置图例字体大小等等。无论针对哪一个问题，往往都有多种解决方法，搜索引擎这时候当然会很热情得将各种五花八门、看似合理、各不相同的解决方案推给我们，对于新手往往就迷失在这些纷杂的答案中，然后觉得matplotlib好复杂。matplotlib设计原则就是追求对每一个图表细节的完全控制，所以matplotlib源码中各种对象很多，甚至各对象间相互应用，错综复杂，对同一个对象的设置经常可以调用不同的方法来实现，这是matplotlib入门难的原因之一。

对于matplotlib入门阶段学习曲线陡峭，我认为还有一个更加重要的原因。无论是在各种出版书籍还是网络博客中，都少有资料对matplotlib进行深入的系统介绍，大多浅尝辄止。这些流于表层的资料对于如何用matplotlib作图没有进行深入的分析，大多只介绍如何调用pyplot模块中的方法进行作图。pyplot是matplotlib中提供的一个顶层模块，提供许多方法实现了快速、简便作图，几行代码就可以完成一幅图的创作，但是，这种方法作图却让新手对matplotlib图形的认识变得粗浅，也很难实现对图形的更加精细控制，底层定制能力有限，最终让新手对matplotlib咬牙切齿。这种方法就想吃快餐，快速方便，但是吃多了难免营养不良。

面对matplotlib入门阶段的这两个问题，怎么办呢？

matplotlib其实提供了两类接口实现作图。第一类基于状态的接口，就是上文中提到的pyplot进行作图，这类接口对matplotlib中更加底层的对象进行封装，以仿MATLAB作图风格的方式让作图更加简单方便。至于为什么叫基于状态，我的观点是pyplot所有作图动作都是默认在当前出于激活的元素上进行，要切换到其他元素作图，就要使另一元素激活。第二类接口是基于对象的接口，这种方法是使用买你想对象的方法来作图，认为图形中每一个元素都是一种对象，通过调用更加底层对象来实现作图。这种方法代码量更多，但是让用户对matplotlib图形的构成有了更深的认识，也让用户对图形的每一个元素有更强的掌控力。

所以，在使用matplotlib作图过程中，本文建议在学习阶段多使用基于对象的方法进行作图，只要掌握了基于对象的方法作图，后面使用pyplot作图自然水到渠成。本文后续大部分介绍也是基于这一种方法。

2 安装与导入

• 安装
  

matplotlib的安装与Python中其他第三方库安装方法无异

pip install -i https://pypi.douban.com/simple matplotlib

• 导入

进行导入操作时通常不会直接将整个matplotlib包导入，而是导入matplotlib包中最为常用的pyplot模块，一般的，我们习惯将pyplot导入时起一个简称plt。

import matplotlib.pyplot as plt

3 图的构成

在使用matplotlib进行绘图之前，理解matplotlib图表构成是非常有必要的。matplotlib图表有三个非常重要的概念：figure、axes、axies。 三者之间的关系构成了matplotlib图表的整体布局，如下图所示。

在matplotlib图表中，至少有一个figure，figure可以理解为一张画布，画布上面可以画多个axes，这里的axes我理解为坐标系，每个坐标系可以有多个axis，也就是有多条坐标轴。

下图是在matplotlib官方文档中展示的一张图片，进一步的很清晰展示了matplotlib图表布局上的组件构成：

上图中，蓝色部分文本是各组件的名称，请牢记各组件的名称，方便在对各组件进行设置是调用函数，因为组件的名称与函数名是相似的。其实，在matplotlib中，在figure中的所有组件，包括图一中的axes、axies甚至是figure和图中出现的所有组件都称为artist，因为这些组件均继承于一个名为Artist的父类。根据所在位置和作用，我们可以将matplotlib所有artist可以划分到三个层次：

（1）figure层：画布，这是最低层的容器，用于容纳axes。
（2）axes层：坐标系，也成为轴域，第二层容器，用于容纳axis。
（3）axis层：坐标轴，也包含坐标轴上更加细微的组件。
使用matplotlib进行作图时，按照这个层次结构顺序进行创建完成作图。接下来，我们分别对figure、axes、axis进行展开介绍。

3 总结

本篇博客主要是为matplotlib如何入门以及matplotlib宏观层面的容器布局做了一番介绍，希望这番介绍能够让各位读者对matplotlib有一个更加正确、深入的认识。

最后，还是想说一句，matplotlib很强，只不过目前无论是网络上还是市场上的matplotlib资料大多属于快餐类别，吃多了就容易营养不良，造成后继无力。当然，pyplot只是快餐，却不是毒药，因为pyplot中确实提供了很多强大的方法实习县对图形的管理。本文强烈建议（官方文档中也提出了），如果只是简单得对数据进行展示，那么当然可以使用pyplot完成，但是如果需要更加精细的对图片进行设置，那么建议使用pyplot中的方法来创建matplotlib图形的容器对象，因为pyplot创建容器对象可以方便得纳入matplotlib序列中进行管理，有了容器对象之后，后续的画图，请勿通过再pyplot进行，最好是通过容器对象进行操作。

入门学习阶段，无论如何，请走基于对象作图这条路！！！

在下一篇博客中，我将对这三层容器对象开始，循序渐进地介绍基于对象的作图方式。

作者：奥辰

微信号：chb1137796095

Github：https://github.com/ChenHuabin321

欢迎加V交流，共同学习，共同进步！

以上就是python Matplotlib数据可视化（1）：简单入门的详细内容，更多关于python Matplotlib数据可视化的资料请关注脚本之家其它相关文章！