目录
[TOC]
前言
学习matplotlib有一段时间了，总感觉学不到本质的东西，抓不到主要的重点，还是感觉有些吃力，画的图千变万化，总不能一一学会吧，今天我们就来总结一下，matplotlib本质的东西，让我们更能在全局上掌握matplotlib库。
（一）总框架分析
在matplotlib库里，总分成两种绘图方法
- 方法一：函数式绘图
- 方法二：面向对象式绘图
（二）函数式的绘图
1.说明：
在matplotlib.pyplot里是封装好的函数，用户可以直接调用函数进行绘图。
一般的，我们约定 matplotlib.pyplot 取别名为 plt
其模块下主要定义如下两方面的函数：
- 操作类的函数：对于画布，图，子图，坐标轴，图例，背景，网格等的操作。
如：plt.ylabel(), plt.xlabel(), plot.yscale(), plt.legend(), plt.title(), plt.text()……
- 绘图类的函数：画折线图，散点图，条形图，直方图，饼状图等特点图的绘制函数。
如：plt.scatter, plt.plot(), plt.bar, plot.pie(), plt.hise()……
具体可以参考官方网站
2.函数绘图的缺优点
（1）缺点：
其实函数式的绘图本质上还是在matplotlib对象的封装，在对象的基础上多了一层函数的调用，
其定制性并不是很强，都是封装好的函数。
（2）优点：
适合一般用户绘图，要求不是很高，定制性不是很强的绘图。
新手容易上手，不需要了解内部的对象问题。
3.绘图类的函数
matplotlib绘图不止这些，在此只举例了大部分
| 序号 | 绘图函数（plt.xxx） | 说明 |
|---|---|---|
| 1 | acorr() |
绘制x的自相关图 |
| 2 | angle_spectrum() |
绘制角度谱图 |
| 3 | bar() |
制作条形图 |
| 4 | barbs() |
绘制倒钩的二维场图 |
| 5 | barh() |
制作水平条形图。 |
| 6 | boxplot() |
制作一个盒子和胡须图 |
| 7 | broken_barh() |
绘制一个水平的矩形序列图 |
| 8 | clabel() |
绘制等高线图 |
| 9 | cohere() |
绘制x和y之间的一致性图 |
| 10 | csd() |
绘制交叉谱密度图 |
| 11 | eventplot() |
绘制相同的平行线 |
| 12 | fill() |
绘制填充多边形图 |
| 13 | hexbin() |
制作六边形分箱图 |
| 14 | hist() |
绘制直方图 |
| 15 | hist2d() |
制作2D直方图 |
| 16 | magnitude_spectrum() |
绘制幅度谱图 |
| 17 | phase_spectrum() |
绘制相位谱图 |
| 18 | pie() |
绘制饼图 |
| 19 | plot() |
绘制折线图 |
| 20 | plot_date() |
绘制包含日期的数据图 |
| 21 | quiver() |
绘制一个二维箭头场图 |
| 22 | scatter() |
绘制散点图 |
| 23 | specgram() |
绘制频谱图 |
| 24 | stackplot() |
绘制堆积区域图 |
| 25 | streamplot() |
绘制矢量流的流线型图 |
| 26 | triplot() |
绘制非结构化三角形网格作为线条图 |
4.操作类的函数
操作不止这些，在这只是例了大部分
| 序号 | 操作函数（plt.xxx） | 说明 |
|---|---|---|
| 1 | arrow() |
向轴添加箭头 |
| 2 | axes() |
控制轴的范围 |
| 3 | axhline() |
在轴上添加水平线 |
| 4 | axhspan() |
在轴上添加水平跨度（矩形） |
| 5 | axvline() |
在轴上添加垂直线 |
| 6 | axvspan() |
在轴上添加垂直跨度（矩形） |
| 7 | box() |
打开或关闭轴框 |
| 8 | figlegend() |
在图中放置一个图例 |
| 9 | figtext() |
添加文字到图 |
| 10 | grid() |
配置网格线 |
| 11 | legend() |
在轴上放置图例 |
| 12 | locator_params() |
控制轴的刻度紧密度。 |
| 13 | loglog() |
在x轴和y轴上绘制具有对数缩放的绘图 |
| 14 | margins() |
设置绘图到框的边距 |
| 15 | minorticks_on() |
在轴上显示次要刻度 |
| 16 | minorticks_off() |
从轴上移除次要刻度 |
| 17 | subplot() |
在当前图中添加子图 |
| 18 | subplot2grid() |
在常规网格内的特定位置创建轴 |
| 19 | subplots() |
创建一个图形和一组子图 |
| 20 | subplots_adjust() |
调整子图布局 |
| 21 | suptitle() |
为图中添加居中标题 |
| 22 | table() |
将表添加到当前轴 |
| 23 | text() |
向轴添加文本 |
| 24 | tick_params() |
更改刻度，刻度标签和网格线的外观 |
| 25 | title() |
设置轴的标题 |
| 26 | twinx() |
制作共享x轴的第二个轴 |
| 27 | twiny() |
制作共享y轴的第二个轴 |
| 28 | xlabel() |
设置x轴的标签 |
| 29 | xlim() |
获取或设置当前轴的x限制 |
| 30 | xscale() |
设置x轴刻度 |
| 31 | xticks() |
获取或设置当前刻度线位置和x轴标签 |
| 32 | ylabel() |
设置y轴的标签 |
| 33 | ylim() |
获取或设置当前轴的y限制 |
| 34 | yscale() |
设置y轴刻度 |
| 35 | yticks() |
获取或设置y轴的当前刻度位置和标签 |
5.例子：
（1）源代码
# 导入模块
import matplotlib.pyplot as plt
import numpy as np
# 数据
x = np.linspace(0, 2*np.pi, 1000)
y = np.sin(x**2)
# 绘图
plt.plot(x, y)
# 显示
plt.show()
（2）显示效果
03.png
（三）面向对象式的绘图
1.基本概念
面向对象式的绘图，才是matplotlib绘图最自然的方式，不过需要先了解一些基本的概念。
可参考官方介绍：https://matplotlib.org/tutorials/introductory/usage.html#sphx-glr-tutorials-introductory-usage-py
下图是matplotlib基本的组成部分
image
figure(图形)
axes(子图形)
title(标题)
legend(图例)
Major tick(大标尺刻度)
Minor tick(小标尺刻度)
Major tick label(大标尺刻度数值)
Minor tick label(小标尺刻度数值)
Y axis label(y轴指标说明)
X axis label(x轴指标说明)
Line(线型图)
Markers(数据标注点)
Grid(格子)等等
2.基本对象
（1）Figure
- 整个图形即是一个Figure对象，即一个弹出的绘图的窗口，便是一个figure。
- Figure对象至少包含一个子图，也就是Axes对象。
- Figure对象包含一些特殊的Artist对象，如title标题、图例legend。
- Figure对象包含画布canvas对象。 canvas对象一般不可见，通常无需直接操作该对象，matplotlib程序实际绘图时需要调用该对象。
（2）Axes
- 字面上理解，axes是数据轴axis的复数，但它并不是指数据轴，而是子图对象。可以这样理解，每一个子图都有x和y轴，axes则用于代表这两个数据轴所对应的一个子图对象。
- 常用方法set_xlim()以及set_ylim()：
- 设置子图x轴和y轴对应的数据范围。
- set_title()：设置子图的标题。
- set_xlabel()以及set_ylable()：
- 设置子图x轴和y轴指标的描述说明。
（3）Axis
- Axis是数据轴对象，主要用于控制数据轴上刻度位置和显示数值。
- Axis有Locator和Formatter两个子对象，分别用于控制刻度位置和显示数值。
（4）Artist
- 基本上所有的对象都是一个Artist对象，包括Figure对象、Axes对象和Axis对象，可以将Artist理解为一个基本类。
- 当提交代码，图像最终呈现时，所有的artist对象都会绘制于canvas画布上
层级结构图：
02.png
(yaxis同样有tick, label和tick label，没有画出)
3.面向对象式绘图的缺优
（1）缺点：
对于新手不友好，感念混淆，不易掌握，上手慢。
（2）优点：
可定制性强，灵活，自然，流畅。
4.例子：
（１）源代码
# 导入模块
import matplotlib.pyplot as plt
import numpy as np
# 数据
x = np.linspace(0, 2*np.pi, 1000)
y = np.sin(x**2)
# 创建一张图
fig, ax = plt.subplots(1, 1)
plt.plot(x, y)
# 显示
plt.show()
（2）输出效果
[图片上传失败...(image-66cc5e-1552302327631)]
参考网站
【1】python matplotlib画图教程学习：使用介绍https://baijiahao.baidu.com/s?id=1614559225877861604&wfr=spider&for=pc
【2】matplotlib核心剖析：https://blog.csdn.net/zchshhh/article/details/78215646
网友评论