我正以Python作为突破口，入门机器学习相关知识。出于机器学习实践过程中的需要，快速了解了一下matplotlib绘图库。下图是我学习过程中整理的一些概念。
本文将以该图为线索梳理相关概念。
简介
matplotlib是一个2D绘图库，通过它你可以绘制函数曲线、直方图、散点图等各种图像。
在Python中使用matplotlib主要用到matplotlib.artist.Artist模块。这个模块定义了很多绘图时用到的类型。
Artists类型可分为两种：基础数据（primitives）代表了标准的我们想绘制的图形对象，比如Line2D、Rectangle、Text、Image等；容器（container）代表了储存以上对象的地方，比如Axis，Axes和Figure。
使用流程
matplotlib标准的使用流程如下:
- 创建一个画板（Figure）实例。
- 使用画板创建一个或多个轴区实例（Axes）。
- 使用轴区实例的相关方法，进行绘图。
例如下面代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(-10, 10, 0.01)
y = x*x - 5*x + 1
fig = plt.figure() // 创建画板
ax = fig.add_subplot(111) // 创建轴区
ax.plot(x, y, 'r--') // 绘图
plt.show()
效果如下图：
上面例子中我们用了matplotlib.pyplot模块，来创建和展示画板。实际上为了让matplotlib使用起来更靠近类似MATLAB基于命令的形式，这个模块把许多Artist类型的方法进行了封装，组成所谓的The Pyplot API，参考文档。这套API可以让你直接使用pyplot模块进行绘图，而不是使用Artist实例。
下面例子使用The Pyplot API实现了同样的效果：
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(-10, 10, 0.01)
y = x*x - 5*x + 1
plt.plot(x, y, 'r--')
plt.show()
需要注意：这里直接使用plt.plot函数进行绘图，看起来好像并没有创建Figure和Axes对象。其实不是的，pyplot模块默认创建ID为1的画板，并且在画板中默认创建‘111’轴区实例。所以你就可直接进行绘图。
绘图过程是基于当前上下文进行的。也就是说当前选中的是哪一个画板和哪一个轴区，后续调用的绘图函数就是在这个画板和轴区中进行的。你可以通过给plt.figure()指定ID来创建或切换画板。可以通过plt.subplot()或figure.add_subplot()来创建或切换轴区。
解释一下使用plt.subplot()或figure.add_subplot()创建Axes时所使用的三位整数组成的参数。假设用xyz代表这三个个位数，则x表示行，y表示列，z为这个x行y列组成的格子中按书写顺序从1开始数下来的第z个。如果超过个位数，传递参数的时候分为独立的三个值进行传递。例如：plt.subplot(10,2,5)。
其他
了解这些足够我在机器学习实践中使用了。
在实际应用中可能根据需求的不同选择使用不同的方法绘制图像，如：
- plot：绘制曲线
- scatter：绘制散点图
- hist：绘制直方图
- imshow：绘制图片
- ...
作为扩展，可能还需要了解其他的matplotlib模块：
- mpl_toolkits.mplot3d：3D绘图的扩展工具。
- matplotlib.cm：定义颜色映射与相关处理函数。
- matplotlib.mlab：
Python数值函数模块，用于兼容MATLAB命令。 - matplotlib.path：处理折线。
- matplotlib.patches：用于生成图形元素。
- ...
本文同步博客
