第一回：Matplotlib初相识
一、认识matplotlib
Matplotlib是一个Python 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可用于Python脚本，Python和IPython Shell、Jupyter notebook，Web应用程序服务器和各种图
形用户界面工具包等。
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。
为了对matplotlib有更好的理解，让我们从一些最基本的概念开始认识它，再逐渐过渡到一些高级技巧
中。
二、一个最简单的绘图例子
Matplotlib的图像是画在figure（如windows，jupyter窗体）上的，每一个figure又包含了一个或多个
axes（一个可以指定坐标系的子区域）。最简单的创建figure以及axes的方式是通过pyplot.subplots
命令，创建axes以后，可以使用Axes.plot 绘制最简易的折线图。
import matplotlib.pyplot as plt
import numpy as np
fig, ax = plt.subplots() # 创建一个包含一个axes的figure
ax.plot([1, 2, 3, 4], [1, 4, 2, 3]) # 绘制图像
[<matplotlib.lines.Line2D at 0x2cb5b4935c8>]
和MATLAB命令类似，你还可以通过一种更简单的方式绘制图像， matplotlib.pyplot 方法能够直接在
当前axes上绘制图像，如果用户未指定axes，matplotlib会帮你自动创建一个。所以上面的例子也可以简
化为以下这一行代码。
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
[<matplotlib.lines.Line2D at 0x2cb5b5b8bc8>]
三、Figure的组成
现在我们来深入看一下figure的组成。通过一张figure解剖图，我们可以看到一个完整的matplotlib图像通
常会包括以下四个层级，这些层级也被称为容器（container），下一节会详细介绍。在matplotlib的世界
中，我们将通过各种命令方法来操纵图像中的每一个部分，从而达到数据可视化的最终效果，一副完整
的图像实际上是各类子元素的集合。
- Figure ：顶层级，用来容纳所有绘图元素
- Axes ：matplotlib宇宙的核心，容纳了大量元素用来构造一幅幅子图，一个figure可以由一个或多
个子图组成 - Axis ：axes的下属层级，用于处理所有和坐标轴，网格有关的元素
- Tick ：axis的下属层级，用来处理所有和刻度有关的元素
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ykWaOCCO-1607956258032)(attachment:image.png)]
四、两种绘图接口
matplotlib提供了两种最常用的绘图接口
- 显式创建figure和axes，在上面调用绘图方法，也被称为OO模式（object-oriented style)
- 依赖pyplot自动创建figure和axes，并绘图
x = np.linspace(0, 2, 100)
fig, ax = plt.subplots()
ax.plot(x, x, label= 'liner')
ax.plot(x, x**2, label = 'quadraic')
ax.plot(x, x**3, label = 'cubic')
ax.set_xlabel('xlabel')
ax.set_ylabel('ylabel')
ax.set_title('Simple Plot')
ax.legend()
<matplotlib.legend.Legend at 0x2cb5f6b5b48>
而如果采用第二种绘图接口，绘制同样的图，代码是这样的：
x = np.linspace(0, 2, 100)
plt.plot(x, x, label='linear')
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()
<matplotlib.legend.Legend at 0x2cb5f73ec88>
