前言

本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,如有問題請及時聯系我們以作處理，

以下文章來源于強波的技術博客

Matplotlib是一個Python語言的2D繪圖庫，它支持各種平臺，并且功能強大，能夠輕易繪制出各種專業的影像，本文是對它的一個入門教程，

Python零基礎系統教學

https://www.bilibili.com/video/BV1H54y1r7gq/

運行環境

由于這是一個Python語言的軟體包，因此需要你的機器上首先安裝好Python語言的環境，關于這一點，請自行在網路上搜索獲取方法，

關于如何安裝Matplotlib請參見這里：Matplotlib Installing，

筆者推薦大家通過pip的方式進行安裝，具體方法如下：

sudo pip3 install matplotlib

本文的代碼在如下環境中測驗：

• Apple OS X 10.13
• Python 3.6.3
• matplotlib 2.1.1
• numpy 1.13.3

介紹

Matplotlib適用于各種環境，包括：

• Python腳本
• IPython shell
• Jupyter notebook
• Web應用服務器
• 用戶圖形界面工具包

使用Matplotlib，能夠的輕易生成各種型別的影像，例如：直方圖，波譜圖，條形圖，散點圖等，并且，可以非常輕松地實作定制，

入門代碼示例

下面我們先看一個最簡單的代碼示例，讓我們感受一下Matplotlib是什么樣的：

# test.py
 
import matplotlib.pyplot as plt
import numpy as np
 
data = np.arange(100, 201)
plt.plot(data)
plt.show()

這段代碼的主體邏輯只有三行，但是它卻繪制出了一個非常直觀的線性圖，如下所示：

對照著這個線形圖，我們來講解一下三行代碼的邏輯：

1. 通過np.arange(100, 201)生成一個[100, 200]之間的整數陣列，它的值是：[100, 101, 102, … , 200]
2. 通過matplotlib.pyplot將其繪制出來，很顯然，繪制出來的值對應了圖中的縱坐標（y軸），而matplotlib本身為我們設定了圖形的橫坐標（x軸）：[0, 100]，因為我們剛好有100個數值
3. 通過plt.show()將這個圖形顯示出來

這段代碼非常的簡單，運行起來也是一樣，如果你已經有了本文的運行環境，將上面的代碼保存到一個文本檔案中（或者通過Github獲取本文的原始碼），然后通過下面的命令就可以在你自己的電腦上看到上面的圖形了:

python3 test.py

 

注1：后面的教程中，我們會逐步講解如何定制圖中的每一個細節，例如：坐標軸，圖形，著色，線條樣式，等等，

注2：如果沒有必要，下文的截圖會去掉圖形外側的邊框，只保留圖形主體，

一次繪制多個圖形

有些時候，我們可能希望一次繪制多個圖形，例如：兩組資料的對比，或者一組資料的不同展示方式等，

多個figure

可以簡單的理解為一個figure就是一個圖形視窗，matplotlib.pyplot會有一個默認的figure，我們也可以通過plt.figure()創建更多個，如下面的代碼所示：

# figure.py
 
import matplotlib.pyplot as plt
import numpy as np
 
data = np.arange(100, 201)
plt.plot(data)
 
data2 = np.arange(200, 301)
plt.figure()
plt.plot(data2)
 
plt.show()

這段代碼繪制了兩個視窗的圖形，它們各自是一個不同區間的線形圖，如下所示：

注：初始狀態這兩個視窗是完全重合的，

多個subplot

有些情況下，我們是希望在同一個視窗顯示多個圖形，此時就這可以用多個subplot，下面是一段代碼示例：

# subplot.py
 
import matplotlib.pyplot as plt
import numpy as np
 
data = np.arange(100, 201)
plt.subplot(2, 1, 1)
plt.plot(data)
 
data2 = np.arange(200, 301)
plt.subplot(2, 1, 2)
plt.plot(data2)
 
plt.show()

這段代碼中，除了subplot函式之外都是我們熟悉的內容，subplot函式的前兩個引數指定了subplot數量，即：它們是以矩陣的形式來分割當前圖形，兩個整數分別指定了矩陣的行數和列數，而第三個引數是指矩陣中的索引，

因此，下面這行代碼指的是：2行1列subplot中的第1個subplot，

plt.subplot(2, 1, 1)

下面這行代碼指的是：2行1列subplot中的第2個subplot，

plt.subplot(2, 1, 2)

所以這段代碼的結果是這個樣子：

subplot函式的引數不僅僅支持上面這種形式，還可以將三個整數（10之內的）合并一個整數，例如：2, 1, 1可以寫成211，2, 1, 2可以寫成212，

因此，下面這段代碼的結果是一樣的：

import matplotlib.pyplot as plt
import numpy as np
 
data = np.arange(100, 201)
plt.subplot(211)
plt.plot(data)
 
data2 = np.arange(200, 301)
plt.subplot(212)
plt.plot(data2)
 
plt.show()

subplot函式的詳細說明參見這里：matplotlib.pyplot.subplot

常用圖形示例

Matplotlib可以生成非常多的圖形式樣，多到令人驚嘆的地步，大家可以在這里：Matplotlib Gallery 感受一下，

本文作為第一次的入門教程，我們先來看看最常用的一些圖形的繪制，

線性圖

前面的例子中，線性圖的橫軸的點都是自動生成的，而我們很可能希望主動設定它，另外，線條我們可能也希望對其進行定制，看一下下面這個例子：

# plot.py
 
import matplotlib.pyplot as plt
 
plt.plot([1, 2, 3], [3, 6, 9], '-r')
plt.plot([1, 2, 3], [2, 4, 9], ':g')
 
plt.show()

這段代碼可以讓我們得到這樣的圖形：

這段代碼說明如下：

1. plot函式的第一個陣列是橫軸的值，第二個陣列是縱軸的值，所以它們一個是直線，一個是折線；
2. 最后一個引數是由兩個字符構成的，分別是線條的樣式和顏色，前者是紅色的直線，后者是綠色的點線，關于樣式和顏色的說明請參見plot函式的API Doc：matplotlib.pyplot.plot

散點圖

scatter函式用來繪制散點圖，同樣，這個函式也需要兩組配對的資料指定x和y軸的坐標，下面是一段代碼示例：

# scatter.py
 
import matplotlib.pyplot as plt
import numpy as np
 
N = 20
 
plt.scatter(np.random.rand(N) * 100,
            np.random.rand(N) * 100,
            c='r', s=100, alpha=0.5)
 
plt.scatter(np.random.rand(N) * 100,
            np.random.rand(N) * 100,
            c='g', s=200, alpha=0.5)
 
plt.scatter(np.random.rand(N) * 100,
            np.random.rand(N) * 100,
            c='b', s=300, alpha=0.5)
 
plt.show()

這段代碼說明如下：

1. 這幅圖包含了三組資料，每組資料都包含了20個隨機坐標的位置
2. 引數c表示點的顏色，s是點的大小，alpha是透明度

這段代碼繪制的圖形如下所示：

scatter函式的詳細說明參見這里：matplotlib.pyplot.scatter

餅狀圖

pie函式用來繪制餅狀圖，餅狀圖通常用來表達集合中各個部分的百分比，

# pie.py
 
import matplotlib.pyplot as plt
import numpy as np
 
labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
 
data = np.random.rand(7) * 100
 
plt.pie(data, labels=labels, autopct='%1.1f%%')
plt.axis('equal')
plt.legend()
 
plt.show()

這段代碼說明如下：

1. data是一組包含7個資料的亂數值
2. 圖中的標簽通過labels來指定
3. autopct指定了數值的精度格式
4. plt.axis('equal')設定了坐標軸大小一致
5. plt.legend()指明要繪制圖例（見下圖的右上角）

這段代碼輸出的圖形如下所示：

pie函式的詳細說明參見這里：matplotlib.pyplot.pie

條形圖

bar函式用來繪制條形圖，條形圖常常用來描述一組資料的對比情況，例如：一周七天，每天的城市車流量，

下面是一個代碼示例：

# bar.py
 
import matplotlib.pyplot as plt
import numpy as np
 
N = 7
 
x = np.arange(N)
data = np.random.randint(low=0, high=100, size=N)
colors = np.random.rand(N * 3).reshape(N, -1)
labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
 
plt.title("Weekday Data")
plt.bar(x, data, alpha=0.8, color=colors, tick_label=labels)
plt.show()

這段代碼說明如下：

1. 這幅圖展示了一組包含7個亂數值的結果，每個數值是[0, 100]的亂數
2. 它們的顏色也是通過亂數生成的，np.random.rand(N * 3).reshape(N, -1)表示先生成21（N x 3）個亂數，然后將它們組裝成7行，那么每行就是三個數，這對應了顏色的三個組成部分，如果不理解這行代碼，請先學習一下Python 機器學習庫 NumPy 教程
3. title指定了圖形的標題，labels指定了標簽，alpha是透明度

這段代碼輸出的圖形如下所示：

bar函式的詳細說明參見這里：matplotlib.pyplot.bar

直方圖

hist函式用來繪制直方圖，直方圖看起來是條形圖有些類似，但它們的含義是不一樣的，直方圖描述了資料中某個范圍內資料出現的頻度，這么說有些抽象，我們通過一個代碼示例來描述就好理解了：

# hist.py
 
import matplotlib.pyplot as plt
import numpy as np
 
data = [np.random.randint(0, n, n) for n in [3000, 4000, 5000]]
labels = ['3K', '4K', '5K']
bins = [0, 100, 500, 1000, 2000, 3000, 4000, 5000]
 
plt.hist(data, bins=bins, label=labels)
plt.legend()
 
plt.show()

上面這段代碼中，[np.random.randint(0, n, n) for n in [3000, 4000, 5000]]生成了包含了三個陣列的陣列，這其中：

• 第一個陣列包含了3000個亂數，這些亂數的范圍是 [0, 3000)
• 第二個陣列包含了4000個亂數，這些亂數的范圍是 [0, 4000)
• 第三個陣列包含了5000個亂數，這些亂數的范圍是 [0, 5000)

bins陣列用來指定我們顯示的直方圖的邊界，即：[0, 100) 會有一個資料點，[100, 500)會有一個資料點，以此類推，所以最終結果一共會顯示7個資料點，同樣的，我們指定了標簽和圖例，

這段代碼的輸出如下圖所示：

在這幅圖中，我們看到，三組資料在3000以下都有資料，并且頻度是差不多的，但藍色條只有3000以下的資料，橙色條只有4000以下的資料，這與我們的隨機陣列資料剛好吻合，

hist函式的詳細說明參見：

matplotlib.pyplot.hist

結束語

通過本文，我們已經知道了Matplotlib的大致使用方法和幾種最基本的圖形的繪制方式，

需要說明的是，由于是入門教程，因此本文中我們只給出了這些函式和圖形最基本的使用方法，但實際上，它們的功能遠不止這么簡單，因此本文中我們貼出了這些函式的API地址以便讀者進一步的研究，

標籤：Python

上一篇：Python - MySQL 之 pymysql模塊

下一篇：Python編程可以做很多事情，但在作業中有哪些作用？