目录
零、前言
前言前言，大意就是说在前面的话。本文的绝大部分信息，对于常用matplotlib的朋友，应该都不陌生。
突然想做一个总结的缘由是，最近自己突然感觉，很多知识信息，其实自己已经接触过很多，甚至有的信息已经很熟悉了。对于某一类的书籍或者说信息，当我们阅读过一些后，越来越感觉自己所能获取的增量知识 越来越有限。很多信息知识调整了说法和述说结构，其实质是一样的。那对于自我来说，自己阅读更多的信息/书籍，其实是想来获取更多自己不曾了解的内容。
也就是说，信息熵随着我们了解的信息的增加，当再阅读已知的信息时，新增的信息熵越来越接近于0。这是我们最不想要看到的结果。因此，对常用的、普遍的信息进行归纳总结，后续就可以更有针对性的来补充和完整自我的知识结构了。
归纳总结的另一大好处是，当记忆遗忘或者模糊不清的时候，我们可以快速的溯源和回顾。所以，时常对自我进行总结，很重要。
唠嗑结束，下面开始进入正文。
一、表格化归纳整理结果
上述完整高清版图表，想全部获取的可以扫码关注博主的个人微信公众号，回复关键字【图表元素】，来获取下载。
下面内容，主要是对上述表格信息的展开。
二、图表的基本组成元素
一个不错的展示matplotlib图表基本元素的图表1:
一个图表的主要组成元素2主要包括：
- 画布 ：绘图界面
- 坐标系：画布是图表的最大概念，在一块画布上可以建立多个坐标系，坐标系又可以分为直角坐标系、球坐标系和极坐标系三种。
- 坐标轴：坐标轴是在坐标系中的概念，主要有x轴和y轴
- 坐标轴标题：坐标轴标题就是x轴和y轴的名称
- 图表标题：图表标题是用来说明整个图表核心主题的
- 数据标签：数据标签用于展示图表中的数值。
- 图表注释：与数据标签的作用类似，都是便于看图者更快地获取图表信息。
- 数据表：数据表在图表下方，它以表格的形式将图表中坐标轴的值展示出来。
- 网格线：网格线是坐标轴的延伸，通过网格线可以更加清晰地看到每一点大概在什么位置，值大概是多少。
- 图例：图例一般位于图表的下方或右方，用来说明不同的符号或颜色所代表的不同内容与指标，有助于认清图。
- 误差线：误差线主要用来显示坐标轴上每个点的不确定程度，一般用标准差表示，即一个点的误差为该点的实际值加减标准差。
在了解)完本文信息后，你一定更有兴趣深入了解，如何用这些基本组成元素，来实现自己的可视化图标，博文3 【归纳整理：matplotlib库中常用的可视化图表方法实现总结】 会进一步带你一探究竟。
但首先，我们还是先仔细了解下这些基本组成元素对应的函数使用方式。
三、建立画布和坐标系
基础画图环境准备：
# 导入库及相关辅助代码
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"]="SimHei" # 解决中文乱码问题
plt.rcParams["axes.unicode_minus"]=False # 解决负号无法正常显示的问题
%matplotlib inline # 让图表直接在Jupyter Notebook中展示出来
# 在默认设置下 matplotlib 做出来的图表不是很清晰，将图表设置成矢量图格式显示，这样看起来会更清晰
# %config InlineBackend.figure_format='svg'
3.1 建立画布
建立画布以后画布并不会直接显示出来，只会输出一串画布相关信息的代码。
# 建立画布
fig = plt.figure(figsize=(8,6))# 参数figsize控制画布的宽和高
3.2 建立坐标系
用add_subplot函数建立坐标系
利用add_subplot函数建立坐标系时需要先有画布，再在画布上绘制坐标系。
ax = fig.add_subplot(2,2,1) # 前两个参数控制坐标系的行列个数，第三个参数确定选择第几个坐标系
用plt.subplot2grid函数建立坐标系
用plt.subplot2grid函数建立坐标系时不需要先建立画布，只需要导入plt库即可。
用这种方式建立坐标系时，具体的绘图代码需要跟在建立坐标系的语句后面。
x = np.arange(5)
y = np.arange(5)
plt.subplot2grid((2,2), (0,0)) # 第一个参数控制坐标系的行列个数，第二个参数确定选择第几个坐标系
plt.bar(x,y)
用plt.subplot函数建立坐标系
与plt.subplot2grid函数功能类似,无需事先建立画布，并且需要将具体的绘图代码跟在建立坐标系语句后面。只是函数参数的表现形式同add_subplot()函数。
plt.subplot(2,2,1)
plt.bar(x,y)
plt.subplot(2,2,4)
plt.bar(x,y)
用plt.subplots函数建立坐标系
plt.subplots()也无需事先建立画布。它与subplot2grid函数和subplot函数的不同之处是：subplots()一次可以返回多个坐标系，而，subplot2grid()和subplot()每次只返回一个坐标系。
fig, axes = plt.subplots(2,2) # 两个参数分别表示坐标系的行数和列数
# 想在哪个坐标系里面绘图通过axes[x, y]指明即可。
axes[0,1].bar(x,y)
axes[0,1].grid(b="True")
总结：
第一种创建坐标系的方法 add_subplot 属于对象式编程，所有的操作都是针对某个对象进行的，比如先建立一块画布，然后在这块画布上建立坐标系，进而在坐标系上绘图。而后三种建立坐标系的方法属于函数式编程，都是直接调用 plt 库里面的某个函数或者方法达到创建坐标系的目的。
3.3 设置坐标轴
坐标轴的标题
plt.xlabel(‘x轴’,labelpad=5，fontsize=‘xx-large’,color = “#70AD47”,
fontweight = ‘bold’)#参数labelpad设置标签到轴的距离
plt.ylabel(‘y轴’,labelpad=6)
坐标轴的刻度
plt.xticks(ticks, labels)
plt.yticks(ticks, labels)
ticks表示刻度值，labels表示该刻度处对应的标签
坐标轴刻度线的设置
plt.tick_params(axis, reset, which, direction, length, width, color, pad ,labelsize, labelcolor, bottom, top, left, right, labelbottom, labeltop, labelleft, labelright )
坐标轴的范围
plt.xlim()
plt.ylim()
坐标轴的轴显示设置
坐标轴中的轴默认都是显示出来的，可以通过如下方式进行关闭。
plt.axis(“off”)
3.4 网格线设置
网格线默认是关闭的。
plt.grid(b=“True”,axis=“x”)
可以通过修改参数b的值，让其等于True来启用网格线。
参数axis的值来控制打开哪个轴的网格线
3.5 图例设置
图例对图表起到注释作用。在绘图的时候通过给 label 参数传入值表示该图表的图例名，再通过**plt.legend()**将图例显示出来。**可以通过修改loc参数的参数值来调整图例的显示位置。可以通过参数ncol设置显示列数。
plt.plot(x, y, label = "折线图")
plt.bar(x, y, label = "柱形图")
plt.legend()
3.6 图表标题的设置
图表的标题是用来说明整个图表的核心思想的。
plt.title(“xxxx”)
3.7 数据标签的设置
数据标签实现就是根据坐标值在对应位置显示相应的数值，可以利用text函数实现。
plt.text(x, y, str, ha, va, fontsize)
3.8 图表注释
与数据标签的作用类似，都是便于看图者更快地获取图表信息。
plt.annotate(s, xy, xytext, arrowprops)
s:要注释的文本内容
xy:要注释的位置
xytext:要注释的文本的显示位置
arrowprops:设置箭的相关参数，颜色、箭类型等。
plt.plot(x, y, label = "折线图")
plt.bar(x, y, label = "柱形图")
plt.legend(ncol=2)
plt.annotate("服务下线", xy = (1,1), xytext = (1,2),
arrowprops=dict(facecolor='black', arrowstyle = '->'))
3.9 数据表
数据表就是在图表基础上再添加一个表格，使用的是plt库中的table函数。
plt.table(cellText=None, cellColours=None, cellLoc=‘right’, colWidths=None, rowLabels=None, rowColours=None, rowLoc=‘left’, colLabels=None, colColours=None, colLoc=‘center’, loc=‘bottom’, bbox=None, edges=‘closed’, **kwargs)
cellText:数据表内的值
cellColours:数据表的颜色
cellLoc:数据表中数值的位置，可选left,right,center
colWidths:列宽
rowLabels:行标签
rowColours:行标签的颜色
rowLoc:行标签的位置
loc:整个数据表的位置，可选坐标系的上、下、左、右
# 数据表示例
cellText = [[ 6, 5, 7, 10],[7,5,6,9]]
rows = ["计划", "实际"]
columns = ["北京", "上海", "广州", "深圳"]
plt.bar(columns,cellText[0],label=rows[0])
plt.bar(columns,cellText[1],bottom = cellText[0],label=rows[1])
plt.legend(ncol=2)
plt.table(cellText = cellText, cellLoc='center',rowLabels=rows, rowColours = ["red", "yellow"],
rowLoc = "center", colLabels=columns, colColours = ["red", "yellow", "red", "yellow"],
colLoc='left', loc='bottom')
四、最棒的参考地址
说其最后的学习地址，那绝对是matplotlib的官方地址4,图表介绍真的是，一应俱全吧。
下一篇博文会就matplotlib库中，一些基本的可视化图表进行总结整理，尽请期待！
博文3出炉上线了 【归纳整理：matplotlib库中常用的可视化图表方法实现总结】,快去一探究竟吧，相信你已经准备好了。
长路漫漫，基础看似都是简单的，但取巧的应用起来，是需要积累的，通过多看、多用、多记，温故而后知新！
《对比Excel，轻松学习Python数据分析》作者：张俊红 出版社：电子工业出版社 出版时间：2019年2月 ISBN：9787121357930 ↩︎
归纳整理：matplotlib库中常用的可视化图表方法实现总结
欢迎关注博主个人微信公众号，一起交流学习。
↩︎