绘图库Matplotlib是功能强大的数据可视化工具. 但笔者初学一些示例代码时, 常觉得理解起来有些障碍, 后来才知道是因为Matplotlib有两套思路不同的接口, 一套是基于状态的接口, 另一套是面向对象的接口. 以下用Matplotlib官方教程Pyplot tutorial中的示例"Plotting with categorical variables"比较二者, 所绘制成的示例图像如下.

fig_1.png

图1 所绘制成的示例图像 (来源: Matplotlib官方教程Pyplot tutorial)

• 基于状态的接口

  使用基于状态的接口时, 图像中的元素就好像一些"半成品", 经过一次次"加工", 成为最终形式, 绘制示例图像的代码如下:

  import matplotlib.pyplot as plt
  
  
  names = ['group_a', 'group_b', 'group_c']
  values = [1, 10, 100]
  
  plt.figure(figsize=(9, 3))  # 创建图像.
  
  plt.subplot(131)  # 创建第一幅子图.
  plt.bar(names, values)  # 在第一幅子图上绘制柱状图.
  plt.subplot(132)  # 创建第二幅子图.
  plt.scatter(names, values)  # 在第二幅子图上绘制散点图.
  plt.subplot(133)  # 创建第三幅子图.
  plt.plot(names, values)  # 在第三幅子图上绘制折线图.
  plt.suptitle('Categorical Plotting')  # 添加图像标题.
  plt.show()
  

  绘制图像时, 想象有一个光标, 指向着某个元素 (当前对象), 函数将作用于这个元素; 而如果要"加工"其它元素, 则先要把光标移动到那个元素上. 例如: 以上代码中, 使用函数plt.subplot(131)创建第一幅子图后, 光标就在第一幅子图, 接着使用函数plt.bar()在该子图上绘制柱状图; 之后, 再次使用函数plt.subplot(132)创建第二幅子图, 此时光标就来到了第二幅子图, 接着使用函数plt.scatter()在该子图上绘制散点图.

• 面向对象的接口

  使用面向对象的接口时, 图像中的元素就好像一些"生物", 经过一次次"生长", 成为最终形式, 绘制示例图像的代码如下:

  import matplotlib.pyplot as plt
  
  
  names = ['group_a', 'group_b', 'group_c']
  values = [1, 10, 100]
  
  fig = plt.figure(figsize=(9, 3))  # 创建图像实例.
  ax1, ax2, ax3 = fig.subplots(1, 3)  # 图像实例fig生成3个子图实例ax1, ax2, ax3.
  ax1.bar(names, values)  # 子图实例ax1生成柱状图.
  ax2.scatter(names, values)  # 子图实例ax2生成散点图.
  ax3.plot(names, values)  # 子图实例ax3生成折线图.
  fig.suptitle('Categorical Plotting')  # 图像实例fig生成标题.
  plt.show()
  

  面向对象的思路是: 首先图像实例fig生成3个子图ax1, ax2, ax3 (第一次"生长"), 之后子图实例再各自生成柱状图, 散点图等 (再次"生长").

  笔者认为, 同一份代码中应该尽量只使用一种接口, 官方推荐的是面向对象接口.

  最后是几条来自Matplotlib官方教程的使用小贴士:

  1. 绘图函数plot()等的返回值是一个列表, 可以用以下方法 (在被赋值的变量后加逗号) 进行解包并获得列表的第1元素:

     line, = plt.plot(x, y, '-')
     

  2. 函数setp()可以同时设定一个或多个对象 (接受对象列表) 的多个属性:

     lines = plt.plot(x1, y1, x2, y2)
     plt.setp(lines, color='r', linewidth=2.0)
     

  3. 在Jupyter Notebook中启动交互模式的命令行是"%matplotlib notebook".