1、核心原理讲解

  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。张三的画板matplotlib绘图

2、matplotlib库的安装与导入

1）安装

pipinstallmatplotlib

2）导入相关库

  现在你不需要关注下面代码具体是什么意思，有一个主观印象即可。我将会在以后的文章中，给大家一一介绍你不懂的哪些参数。

importnumpyasnp

importpandasaspd

importmatplotlibasmpl

importmatplotlib.pyplotasplt

#排除警告信息

importwarnings

warnings.filterwarnings("ignore")

#打印版本信息

display(np.__version__)

display(pd.__version__)

display(mpl.__version__)

#matplotlib画图常见参数设置

mpl.rcParams["font.family"]="SimHei"#设置字体

mpl.rcParams["axes.unicode_minus"]=False#用来正常显示负号

plt.rcParams['font.sans-serif']=['SimHei']#用来正常显示中文标签

#嵌入式显示图形

%matplotlibinline

结果如下：

3、创建figure(画布)的两种方式

1）绘制一个最简单的折线图

importmatplotlibasmpl

importmatplotlib.pyplotasplt

x=[1,3,5,7]

y=[4,9,6,8]

plt.plot(x,y)

plt.show()

结果如下：结果分析：  在前面的叙述中，我们已经说过，想要使用matplotlib绘图，必须先要创建一个figure(画布)对象，然后还要有axes(坐标系)。但是观察上述代码，我们并没有创建figure对象，那么怎么又可以画图呢？  对于上述疑问，接下来我们就要讲述创建figure(画布)的两种方式。  

2）创建figure(画布)的两种方式

隐式创建显示创建

①隐式创建figure对象

  当第一次执行plt.xxx()这句绘图代码时，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。  

②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plt.xxx()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。

③显示创建figure对象：以后的文章会详细讲述布局设置

#手动创建一个figure对象

figure=plt.figure()

#获取每个位置的axes对象

axes1=figure.add_subplot(2,1,1)

axes2=figure.add_subplot(2,1,2)

如图所示：举例说明：

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()

结果如下：

4、完整的绘图步骤

①导库

importmatplotlibasmpl

importmatplotlib.pyplotasplt

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

1*1

1*2

2*1

2*2

...

④获取对应位置的axes坐标系对象

figure=plt.figure()

axes1=figure.add_subplot(2,1,1)

axes2=figure.add_subplot(2,1,1)

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。

5、绘图技巧(细节设置)

*figure画布

*axes坐标系，一个画布上可以有多个坐标系

*axis坐标轴，一个坐标系中可以有多个坐标轴，一般都是二维平面坐标系，或者三维立体坐标系

*title标题

*legend图例

*grid背景网格

*tick刻度

*axislabel坐标轴名称

*ticklabel刻度名称

*majorticklabel主刻度标签

*minorticklabel副刻度标签

*line线

*style线条样式

*marker点标记

*font字体相关

  通过对matplotlib绘图的原理，有所了解之后，我们需要学习的就是常见的matplotlib绘图技巧，常见的绘图技巧如上所示，这些绘图技巧都能够很好的帮助我们画出更美观、更直观的图形。下一节，我将会讲述matplotlib绘图技巧(千万不要错过)。

今天我们来介绍一下python的一个可视化工具matplotlib

matplotlib

使用matplotlib的方式有很多，但最通常的是Pylab模式的ipython(-ipython–pylab)

matplotlib的api都位于matplotlib.pyplot中，所以一般的引入方式为：

importmatplotlib.pyplotasplt

Figure、Subplot

Figure

matplitlib的图像必须在Figure中，Figure创建方式如下：

fig=plt.figure()#之后会弹出一个Figure窗口

创建好Figure后，并不能直接绘图，需要使用add_subplot创建一个或多个子图，在子图中绘图，创建方式如下：

ax1=fig.add_subplot(2,2,1)#将figure分为四块，在第一块创建一个子图;返回AxesSubplot对象

之后我们就可以绘制我们的图像了

plt.plot(randn(50).cumsum(),'k--')

Figure和subplot的创建经常使用，所以matplotlib提供了简洁的创建方式：

fig,axes=plt.subplots(2,3)#创建一个新Figure、并返回一个含有已创建subplot对象的Numpy数组

ax=axes[0,1]#引用第一行第二列的subplot对象

该函数的一些参数选项：

调整图像之间的间距

通常情况下，matplotlib会在subplot外围留下一些边距，并在subplot之间留下一些间距。

我们可以利用subplots_adjust()函数来修改间距

subplots_adjust(left=None,bootom=None,right=None,top=None,wspace=None,hspace=None)#该函数是一个顶级函数；wspace、hspace用来控制宽度和高度的百分比，用作subplot之间的间距

plt.subplots_adjust(wspace=0,hspace=0)#设置subplots之间的间距为0

颜色、线型和标记

matplotlib的plot()函数接受一组X和Y坐标，和一个表示颜色和线形的字符串

ax.plot(x,y,'g--')#根据x，y绘制绿色虚线

#ax为一subplot

刻度、标签和图例

设置X轴范围：

plt.xlim()#返回当前X轴的范围

plt.xlim([0,10])#将X轴的范围设为[0,10]

#以上方法都只对当前或最近创建的Subplot起作用

设置标题、轴标签、刻度以及刻度标签

设置标题ax.set_title("Myfirstmatplotlibplot")#设置对应dubplot的标题

设置轴标签ax.set_xlabel()#为对应subplot的x轴设置标签

ax.set_ylabel()

设置刻度设置刻度有两个方法，set_xticks和set_xticklabels，前者告诉maatplotlib将刻度放在对应范围的哪个位置，默认情况下这些刻度就是刻度标签；后者可以将任何其他类型的值作为标签ax.set_xticks([0,1,2,3,4])#将0,1,2,3,4作为x轴刻度标签

ax.set_xticklabels(['one','two','three','four','five'])#将one,two,three,four,five作为x轴刻度标签

ax.set_yticks()

ax.set_xticklabels()

添加图例

图例是标识图表元素的重要工具。

方式一，在添加subplot时传入label参数

fig=plt.figure()

ax=fig.add_subplot(1,1,1)

ax.plot(randn(1000).cumsum(),'k--',label='one')

ax.plot(randn(1000).cumsum(),'k',label='two')

ax.plot(randn(1000).cumsum(),'k.',label='three')

ax.legend(loc='best')#loc指定图例放置的位置,'best'参数标识系统将图例放置到最不碍事的地方

将图标保存到文件

利用plt.savefig可以将当前图表保存到文件

plt.savefig('figpath.png',dpi=400)#将当前图表存储为png文件

#dpi参数指定每英寸点数(分辨率)

Pandas中的绘图函数

从上面的例子中我们可以看出，matplotlib实际上是一个比较低级的画图工具，当我们绘制一张图标时，往往要指定他的多个属性，如图例，标签，标题等。而pandas中的绘图函数大大简化了这个过程。

Series与DataFrame数据都可以通过调用plot函数来绘制图表

Series：s=Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))

s.plot()

DataFrame：df=DataFrame(np.random.randn(10,4).cumsum(),columns=['A','B','C','D'],index=np.arange(0,100,10))

#columns参数指定图例名称，index指定x轴标签

#np.random.randn(10,4)共10行4列，产生四条曲线，每条曲线十个数据点

df.plot()

除了matplotlib外，还有许多优秀的画图工具，如chaco、mayavi等

目前对于matplotlib的介绍就是这些，更多的知识可以研究一下pandas官方文档（pandas正在不断地更新中，会提供越来越多的函数），链接如下：

http://pandas.pydata.org/pandas-docs/stable/user_guide/visualization.html

单选框是图形化界面（GUI）中常见的控件，matplotlib中的单选框属于部件（widgets），单选框具体实现定义为matplotlib.widgets.RadioButtons类，继承关系为：Widget->AxesWidget->RadioButtons。单选框选中事件在内部绑定的是_clicked方法，_clicked方法最终会调用set_active()方法，参数index为被选中复选框的索引，set_active()方法最终调用func(self.labels[index].get_text())，func为on_clicked方法绑定的回调函数。所以回调函数func必须调用1个参数即当前选中的单选框的文本标签，如果在定义回调函数时不定义参数就会报错。