内容摘要：哈喽，大家好。今天写一篇 Matplotlib 的入门教程。Matplotlib 是 Python 数据可视化库，广泛应用在数据分析和机器学习中。1. 第一张图Matplotlib 支持面向对象和py

哈喽，入门大家好。篇也今天写一篇 Matplotlib 的可酷入门教程。

Matplotlib 是入门 Python 数据可视化库，广泛应用在数据分析和机器学习中。篇也

1. 第一张图

Matplotlib 支持面向对象和pyplot接口两种方式画图。可酷

以这两种方式为例，入门画出如下图所示的篇也函数图。

y=x^2

面向对象方式

import matplotlib.pyplot as plt import numpy as np x = np.linspace(0,可酷 2, 100) fig, ax = plt.subplots() ax.plot(x, x**2) # 折线图 ax.set_xlabel(x) # 设置横坐标名称 ax.set_ylabel(y) # 设置纵坐标标签 ax.set_title("y = x^2") # 设置标题 plt.show() 

plt.subplots() 函数返回fig和ax，分别是入门Figure对象和Axes对象。前者代表画布，篇也后者代表画布上的可酷绘图区域，很显然画布和绘图区域是入门一对多的关系。

之后关于绘图的篇也设置，都通过Axes对象完成。亿华云可酷

pyplot方式

import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 2, 100) plt.figure() plt.plot(x, x**2) plt.xlabel(x) plt.ylabel(y) plt.show() 

pyplot方式绘图和设置都通过plt来完成，没有对象的概念。

虽然这两种方式都能画图，但官方更建议采用面向对象的方式。

2. 支持多种图形

除了上面例子中看到的折线图，Matplotlib 还支持以下图形：

stackplot：堆叠图 bar/barh：柱状图 hist：直方图 pie：饼形图 scatter：散点图 contourf：等高线图 boxplot：箱型图 violinplot：提琴图

另外，Matplotlib 还是支持 3D 绘图

3. 常见设置

在第一小节的例子里，我们通过set_xlabel和set_title设置坐标轴名称和标题。

除此之外，还可以添加注释和图例。

x = np.linspace(0, 2, 100) fig, ax = plt.subplots() ax.plot(x, x**2, label=二次函数) ax.set_xlabel(x) ax.set_ylabel(y) ax.set_title("y = x^2") # 添加注释 ax.annotate(坐标(1,1), xy=(1, 1), xytext=(0.5, 1.5),             arrowprops=dict(facecolor=black, shrink=0.05)) # 添加图例 ax.legend() 

还可以设置坐标轴的格式

ax.xaxis.set_major_formatter(x坐标{ x}) 

如果坐标轴是日期会非常有用，可以将日期转成周、月、季度等格式。

4. 一个画布多图形前面提到过，云服务器一个画布可以有多个绘图区域。

下面使用plt.subplots()函数可以创建2行2列，4个绘图区域。

import matplotlib.pyplot as plt import numpy as np fig, axs = plt.subplots(ncols=2, nrows=2, figsize=(5.5, 3.5),                         constrained_layout=True) # add an artist, in this case a nice label in the middle... for row in range(2):     for col in range(2):         axs[row, col].annotate(faxs[{ row}, { col}], (0.5, 0.5),                                transform=axs[row, col].transAxes,                                ha=center, va=center, fontsize=18,                                color=darkgrey) fig.suptitle(plt.subplots()) 

也可以通过subplot_mosaic()函数创建

fig, axd = plt.subplot_mosaic([[upper left, upper right],                                [lower left, lower right]],                               figsize=(5.5, 3.5), constrained_layout=True) for k in axd:     annotate_axes(axd[k], faxd["{ k}"], fontsize=14) fig.suptitle(plt.subplot_mosaic()) 

通过subplot_mosaic()函数，还可以将其他几个绘图区域合并成一个。

fig, axd = plt.subplot_mosaic([[upper left, right],                                [lower left, right]],                               figsize=(5.5, 3.5), constrained_layout=True) for k in axd:     annotate_axes(axd[k], faxd["{ k}"], fontsize=14) fig.suptitle(plt.subplot_mosaic()) 

通过 GridSpec 也可以创建更复杂的绘图区域。

fig = plt.figure(constrained_layout=True) gs0 = fig.add_gridspec(1, 2) gs00 = gs0[0].subgridspec(2, 2) gs01 = gs0[1].subgridspec(3, 1) for a in range(2):     for b in range(2):         ax = fig.add_subplot(gs00[a, b])         annotate_axes(ax, faxLeft[{ a}, { b}], fontsize=10)         if a == 1 and b == 1:             ax.set_xlabel(xlabel) for a in range(3):     ax = fig.add_subplot(gs01[a])     annotate_axes(ax, faxRight[{ a}, { b}])     if a == 2:         ax.set_ylabel(ylabel) fig.suptitle(nested gridspecs) 

5. 高级用法

Matplotlib 很强大，设置很灵活，比如，折线图可以用极坐标画图

稍加改造还可以画出玫瑰图。

折线图隐藏坐标轴和边框，再结合注释就可以画出时间轴

多图组合形成更复杂的统计图

Matpolitlib还支持图形动画和交互式。

今天这篇文章只介绍了 Maptplotlib 很初级的一部分内容，它本身内容非常丰富、也很复杂。后面有机会我们可以介绍更深入的内容。

如果本文对你有用就点个 在看 鼓励一下吧。

服务器租用