第一回：Matplotlib初相识

• 一个Pyhton 2D绘图库，能够以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形，用来绘制各种静态，动态，交互式的图表。
• Matplotlib是Python数据可视化库中的泰斗，它已经成为python中公认的数据可视化工具，我们所熟知的pandas和seaborn的绘图接口其实也是基于matplotlib所作的高级封装。

• 4个层级：
  （1）Figure：顶层，容纳所有绘图元素
  （2）Axes：子图层，通过大量元素构造子图
  （3）Axis：axes的下层，处理所有和坐标轴，网格有关的元素
  （4）Tick：axis的下层，处理所有和刻度有关的元素
• 操作：通过各种命令方法操纵Figure中的每一个元素，达到数据可视化的最终效果

• OO模式（object-oriented style）：显示创建figure和axes
• 依赖pyplot自动创建figure和axes，并绘图

# 导入包
import matplotlib.pyplot as plt
import numpy as np

# 创建一个包含一个axes的figure
fig, ax = plt.subplots()  
# 绘制折线图
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.show()

# 如果未指定axes，会自动创建一个
line =plt.plot([1, 2, 3, 4], [1, 4, 2, 3]) 
plt.show(line)

x = np.linspace(0, 2, 100)

fig,ax = plt.subplots()               # 显式创建figure和axes
ax.plot(x, x, label='linear')         # y=x
ax.plot(x, x**2, label='quadratic')   # y=x**2
ax.plot(x, x**3, label='cubic')       # y=x**3
ax.set_xlabel('x label') 
ax.set_ylabel('y label') 
ax.set_title("Simple Plot")  
ax.legend()  # 图例
plt.show()

x = np.linspace(0, 2, 100)

plt.plot(x, x, label='linear')      #直接plt.plot绘制折线图
plt.plot(x, x**2, label='quadratic')  
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()
plt.show()

画出来的图和上面的是一样的。

本文为datawhale数据可视化组队学习的笔记。
资料来源fantastic-matplotlib