Matplotlib可视化的几个核心概念（附速查表）

Matplotlib是一个python 2D绘图库，利用它可以画出许多高质量的图像。

不过，不知道你有没有这种体验，在matlablib中画出同一个图，通常可以有好多种不同的代码实现。

所以，如果不把以下这几个概念搞明白，你在网上找代码的时候会很懵，一会儿plt、一会ax，云里雾里一般。

今天就给大家分享一篇关于Matplotlib可视化的文章，帮大家理一理其中的核心概念。

整体结构

Figure（画板） 画一幅图，首先要确定画在哪里。所以，最先需要做的就是创建一个画板，对应图中红色的整体框架。

Axes（Subplot）（画纸、子图） 有了画板，拿来两张纸，开始画，其中一个就叫Axes1，另一个就是Axes2，对应绿色部分。

Axis（坐标轴） 横轴叫x坐标轴label，纵轴叫y坐标轴ylabel

生成这个图的代码如下：

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

#第一步创建画布
fig = plt.figure()  # 如果不传入参数默认画板1

#第2步创建画纸，并选择画纸1
ax1=plt.subplot(2,1,1)   

#在画纸1上绘图
plt.plot()

#选择画纸2
ax2=plt.subplot(2,1,2)
#在画纸2上绘图
plt.plot()

显示图像
plt.show()

Matplotlib可用于Python脚本，Python和IPython shell，Jupyter笔记本，Web应用程序服务器和图形用户界面工具包。

本文是在jupyter笔记本中使用Matplotlib。

对于中文乱码和数字为负数乱码的情况，可添加以下的代码：

plt.rcParams['font.sans-serif']=['SimHei'] # 防止中文乱码
plt.rcParams['axes.unicode_minus']=False # 如果需要将数字设为负数，也可能出现乱码的情况

看看一张图的细节

拿出一个Axes（subplot），看看细节吧。

当没有子图的时候，一个Figure就对应一个Axes，一套坐标轴。

最上方是标题Title

图例Legend 代表图形里的内容

网格Grid，True显示网格（图中没开网格）

坐标轴Axis，横轴叫x坐标轴label，纵轴叫y坐标轴ylabel

上图的代码如下：

plt.figure(figsize=(6, 3))

x = np.linspace(0, 10, 1000)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1, color="blue", linewidth=1, label="sin")
plt.plot(x, y2, color="red", linewidth=1, label="cos")

plt.ylim(-1.1,1.1)

plt.xlabel('X') #x轴标签
plt.ylabel('Y') #y轴标签

plt.legend(loc='best') #图列位置，可选best，center等

plt.title("三角函数曲线图")
plt.show()

画图的整个流程

matplotlib画图可以总结为3个步骤：获取数据——画出基本图形——设置细节。

按照这个维度（步骤），如果想按照子图分别显示两个曲线（Sinx 和Cosx），可以这样来分析。

第一部分、获取数据

横坐标的数据是用numpy模块生成0-10内等间隔的1000个整数，纵坐标为sin函数和cos函数。

import numpy as np
x = np.linspace(0, 10, 1000)
y1 = np.sin(x)
y2 = np.cos(x)

第二部分、画出基本图形

先创建画布，设置画布尺寸，然后在画纸1上绘制sinx，并设置线条宽度为1，颜色为蓝色；在画纸2上绘制cosx，设置线条宽度为1，颜色为红色。

plt.figure(figsize=(12, 2))
ax1 = plt.subplot(1,2,1)
plt.plot(x, y1, color="blue", linewidth=1, label="sin")
ax2 = plt.subplot(1,2,2)
plt.plot(x, y2, color="red", linewidth=1, label="cos")

第三部分、完善细节

添加横纵坐标标签、图例、标题等细节。

plt.xlabel('X') #x轴标签
plt.ylabel('Y') #y轴标签
plt.legend(loc='best') #图列位置，可选best，center等
plt.title("sin函数曲线图")
plt.ylim(-1.1,1.1)
plt.show()

最终效果如图：

图表分类

按照数据之间的关系，可以把可视化视图划分为 4 类。

1. 比较：比较数据间的各类别

柱状图、条形图、雷达图

2. 联系：变量之间的关系

散点图、桑葚图

3. 构成：每个部分占整体的比例

饼图、环形图、旭日图、堆积图

4. 分布：关注变量的分布情况

散点图、直方图、地图、热力图、面积图

有了上文中的逻辑结构，虽然每种图形显示的意义以及绘图的参数不尽相同，但框架都是一样的，万变不离其宗。

剩下的就是调细节啦！

这里推荐一篇我珍藏的知乎上的Matplotlib的入门文章，关于每种图形的详细参数都有详细介绍，可当做文档来查看。

https://zhuanlan.zhihu.com/p/70835617

十分钟|matplotlib上手，开启你的python可视化

另外，这张速查表，已经被推荐过很多次了。遇到小的细节，可随时翻看，回顾，值得收藏。

公众号后台回复 速查表 可获取高清版大图。

希望这篇文章能够帮你理清Matplotlib中的一些核心概念和整体框架，开始你的python可视化之旅。

作者：天作

_往期文章推荐_