# 6.1 【可视化之matplotlib】一图带你入门matplotlib Python在数据分析领域有一个很完备的生态系统，在数据处理方面有 Pandas，在数据可视化方面有 Matplotlib，在数据爬取方面有 Scrapy（或者不用框架），在数据挖掘方面有 Scikit-learn等等。 最近这几篇文章，就先来讲讲，比较酷炫的数据可视化，相信你学完之后一定会有满满的成就感。 Matplotlib 是 Python 的一个绘图库。它包含了大量的工具，你可以使用这些工具创建各种图形，包括简单的散点图，正弦曲线，甚至是三维图形。Python 科学计算社区经常使用它完成数据可视化的工作。它几乎可以画出你所能想到各种有逼格，文艺的，高雅的图形。 学习 matplotlib 最好的途径是 官网（http://matplotlib.org/），以下内容都是本人从官网上一点一点消化总结出来的，都是精华提炼，毫不含糊。希望你看完也能有所收获。 ## 01. 使用工具 在上一篇文章中，小明首先讲了一个工具，以后文章里的所有操作都将在这里面实现，还没有阅读的小伙伴，记得先去学习下：Jupyter NoteBook。 为什么会推荐使用这个工具呢？ 你在一些早期的文章中，可能会看到如下，两种语句， 1. `%matplotlib inline` # IPython模式下 2. `%pylab inline` # Jupyter Notebook模式下 将这两个命令放在你绘图代码前面，它可以在绘图时，将图片内嵌在交互窗口，而不是弹出一个图片窗口（体验感超差有木有）。在这两种模式下，是只要有plt出现，图片会立马show出来（所以可以不用显式的plt.show()）。 但是，这也有一个缺陷：除非将代码一次执行，否则，无法叠加绘图， 看完上面，现在的你可能不知道它们有啥用。不过不要紧，现在你可以完全忽视上面这两个语句，因为现在使用 Jupyter NoteBook 已经不再需要指定这两种语句了。 ## 02. 两种方式 在网上有些教程文章，画图使用的是 pylab，而有些使用的是 pyplot。这是常见的两种 那么 pyplot 和 pylab 有什么区别呢？ Matplotlib，大家都很清楚，是整个包的名字。 而 pyplot 和 pyplab 都是 matplotlib 中的一个模块; pyplot是一个提供了面向对象的底层状态机接口的绘图库 而 pylab 在官网上，有这样一段话： >pylab is a convenience module that bulk imports matplotlib.pyplot (for plotting) and numpy (for mathematics and working with arrays) in a single name space. Although many examples use pylab, it is no longer recommended. 它的内部其实已经导入了 pyplot 和 numpy 。其实我暂时并不知道它有什么弊端，但是最后一句，给我们提了一个醒，它上面说 pylab 已经不再推荐使用了。所以你如果是一个初学者，在网上看到 pylab 的教程文章，那么你可以跳过不学。所以下面的教程，我都将使用 pyplot。 ## 03. 图表的基本结构 前两天的官网上闲逛的时候，发现了一张图，可以说把一个图表该有的元素都很好的展示出来了。从这张图入手，一点一点地实现这里面的每个元素，我们也算是入门了matplotlib了。  这里面的大部分元素，我相信会点英文的你都能很轻松的理解。 唯独有这两个概念，我要在这里强调一下，就是 aixs 和 axes 的区别： `axis`：可以认为是两个轴，他可以设置轴的大小限制，set_xlim() ，set_ylim() ，还有设置刻度 ticks（由Locator对象定义），还有ticklabel（由Formatter对象定义）等 `axes`：可以认为是axis的复数，是多个axis组成的。在二维图里，就是两个axis组成，在三D图里，就是三个axis组成。所以你可以粗浅的理解为一个图表就是一个axes，他们可以设置 标题：set_title()，标签：set_xlabel()，set_ylabel()等 ## 04. 画个简单的图 学习完了如上的一些基本元素，我们来看看如何一点一点实现它。 以下的代码都在 NoteBook单元格里运行，后面不再赘述。 ```python import numpy as np import matplotlib.pyplot as plt # x轴对应的值 x = np.linspace(0, 5, 100) # 画图，并设置线形和颜色。 b代表 blue，- 代表线型 plt.plot(x, x**2, 'b-') # 设置x轴和y轴的名字 plt.ylabel('y') plt.xlabel('x') # 设置标题 plt.title("First Figure") # 设置栅格 plt.grid(True) # 设置坐标范围 plt.xlim(0, 3) plt.ylim(0, 7) # 在指定坐标处，标注文字 plt.text(1, 4, r'y=x^2', fontsize=20) # 添加图例，注意是个tuple，加逗号 plt.legend(('MING',),loc='upper right') # 设置刻度标签 lables=[x for x in range(10)] plt.xticks(x,lables) # 打开次刻度 plt.minorticks_on() # 显示图片，在NoteBook中可以不写 plt.show() ``` 以上的注释，可以说是很直白啦。一张图表该有的东西都有了，不花哨，但实用。 看看我们的代码输出的图表是啥样的。  ----