1.基础用法
Matplotlib提出了Object Container(对象容器)的概念，它有Figure、Axes、Axis、Tick四种类型的对象容器。Figure负责图形大小、位置等操作；Axes负责坐标轴位置、绘图等操作 ；Tick负责格式化刻度的样式等操作；四种对象容器之间是层层包含的关系。
Matplotlib.pyplot模块画折线图的plot函数的常用语法和参数含义如下：
plot(x,y,s)
plot函数也可以使用如下调用格式：
plot(x, y, linestyle, linewidth, color, marker, markersize, markeredgecolor, markerfacecolor, markeredgewidth, label, alpha)
linestyle：指定折线的类型，可以是实线、虚线和点画线等，默认为实线。
linewidth：指定折线的宽度。
marker：可以为折线图添加点，该参数设置点的形状。
markersize：设置点的大小。
markeredgecolor：设置点的边框色。
markerfacecolor：设置点的填充色。
markeredgewidth：设置点的边框宽度。
label：添加折线图的标签，类似于图例的作用。
alpha：设置图形的透明度。
image.png
Matplotlib.pyplot模块其他常用函数有：
（1）pie()：绘制饼状图。
（2）bar()：绘制柱状图。
（3）hist()：绘制二维直方图。
（4）scatter()：绘制散点图。
image.png
Matplotlib绘图主要包括以下几个步骤：
（1）导入Matplotlib.pyplot模块。
（2）设置绘图的数据及参数。
（3）调用Matplotlib.pyplot模块的plot()、pie()、bar()、hist()、scatter()等函数进行绘图。
image.png
注意模块加载的两种方式：
①import matplotlib.pyplot as plt或from matplotlib import pyplot as plt
画图函数调用为plt.plot()等。
②from matplotlib.pyplot import *
画图函数调用为plot()等。
为了将而向对象的绘图库包装成只使用函数的API，pyplot模块的内部保存了当前图形以及当前子图等信息。可以使用gcf()和gca()获得这两个对象，它们分别是“Get Current Figure”和“Get Current Axes”开头字母的缩写。gcf()获得的是表示图形的Figure对象，而gca()获得的则是表示子图的Axes对象。例如：
fig = gcf()
axes = gca()
例2.36 画出例2.33中三个用户十天消费总额的柱状图
#程序文件Pex2_36.py
import numpy as np, pandas as pd
from matplotlib.pyplot import *
a=pd.read_excel("Pdata2_33.xlsx",usecols=range(1,4)) #提取第2列到第4列的数据
c=np.sum(a) #求每一列的和
ind=np.array([1,2,3]); width=0.2
rc('font',size=16); bar(ind,c,width); ylabel("消费数据")
xticks(ind,['用户A','用户B','用户C'],rotation=20) #旋转20度
rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
savefig('figure2_36.png',dpi=500) #保存图片为文件figure2_36.png，像素为500
show()
image.png
注2.6
Matplotlib画图显示中文时通常为乱码，如果想在图形中显示中文字符、负号等，则需要使用如下代码进行设置。
rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
rcParams['axes.unicode_minus']=False #用来正常显示负号
或者等价地写为：
rc('font',family='SimHei') #用来正常显示中文标签
rc('axes',unicode_minus=False) #用来正常显示负号
2.Matplotlb.pyplot的可视化应用
Matplotlib工具库依赖于NumPy等工具库，可以绘制多种形式的图形，是计算结果可视化的重要工具，下面给出一些可视化示例。
2.1散点图
image.png
#程序文件Pex2_37.py
import numpy as np
from matplotlib.pyplot import *
x=np.array(range(8))
y='27.0 26.8 26.5 26.3 26.1 25.7 25.3 24.8' #数据是粘贴过来的
y=",".join(y.split()) #把空格替换成逗号
y=np.array(eval(y)) #数据之间加逗号太麻烦，我们用程序转换
scatter(x,y)
savefig('figure2_23.png',dpi=500); show()
image.png
2.2多个图形显示在一个图形画面
image.png
#程序文件Pex2_38.py
import numpy as np
from matplotlib.pyplot import *
x=np.linspace(0,2*np.pi,200)
y1=np.sin(x); y2=np.cos(pow(x,2))
rc('font',size=16); rc('text', usetex=True) #调用tex字库
plot(x,y1,'r',label='$sin(x)$',linewidth=2) #Latex格式显示公式
plot(x,y2,'b--',label='$cos(x^2)$')
xlabel('$x$'); ylabel('$y$',rotation=0)
savefig('figure2_38.png',dpi=500); legend(); show()
image.png
image.png
2.3多个图形单独显示
image.png
#程序文件Pex2_39.py
import numpy as np
from matplotlib.pyplot import *
x=np.linspace(0,2*np.pi,200)
y1=np.sin(x); y2=np.cos(x); y3=np.sin(x*x)
rc('font',size=16); rc('text', usetex=True) #调用tex字库
ax1=subplot(2,2,1) #新建左上1号子窗口
ax1.plot(x,y1,'r',label='$sin(x)$') #画图
legend() #添加图例
ax2=subplot(2,2,2) #新建右上2号子窗口
ax2.plot(x,y2,'b--',label='$cos(x)$'); legend()
ax3=subplot(2,1,2) #新建两行、1列的下面子窗口
ax3.plot(x,y3,'k--',label='$sin(x^2)$'); legend();
savefig('figure2_39.png',dpi=500); show()
image.png
2.4三维空间的曲线
image.png
#程序文件Pex2_40.py
from mpl_toolkits import mplot3d
import matplotlib.pyplot as plt
import numpy as np
ax=plt.axes(projection='3d') #设置三维图形模式
z=np.linspace(0, 100, 1000)
x=np.sin(z)*z; y=np.cos(z)*z
ax.plot3D(x, y, z, 'k')
plt.savefig('figure2_40.png',dpi=500); plt.show()
image.png
2.5三维曲面图形
image.png
#程序文件Pex2_41.py
from mpl_toolkits import mplot3d
import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-6,6,30)
y=np.linspace(-6,6,30)
X,Y=np.meshgrid(x, y)
Z= np.sin(np.sqrt(X ** 2 + Y ** 2))
ax1=plt.subplot(1,2,1,projection='3d')
ax1.plot_surface(X, Y, Z,cmap='viridis')
ax1.set_xlabel('x'); ax1.set_ylabel('y'); ax1.set_zlabel('z')
ax2=plt.subplot(1,2,2,projection='3d');
ax2.plot_wireframe(X, Y, Z,color='c')
ax2.set_xlabel('x'); ax2.set_ylabel('y'); ax2.set_zlabel('z')
plt.savefig('figure2_41.png',dpi=500); plt.show()
image.png
2.6等高线图
image.png
image.png
（1）画出该区域的等高线.
（2）画出该区域的三维表面图.
画等高线及三维表面图的程序如下：
#程序文件Pex2_42_1.py
from mpl_toolkits import mplot3d
import matplotlib.pyplot as plt
import numpy as np
z=np.loadtxt("Pdata2_42.txt") #加载高程数据
x=np.arange(0,1500,100)
y=np.arange(1200,-10,-100)
contr=plt.contour(x,y,z); plt.clabel(contr) #画等高线并标注
plt.xlabel('$x$'); plt.ylabel('$y$',rotation=0)
plt.savefig('figure2_42_1.png',dpi=500)
plt.figure() #创建一个绘图对象
ax=plt.axes(projection='3d') #用这个绘图对象创建一个三维坐标轴对象
X,Y=np.meshgrid(x,y)
ax.plot_surface(X, Y, z,cmap='viridis')
ax.set_xlabel('x'); ax.set_ylabel('y'); ax.set_zlabel('z')
plt.savefig('figure2_42_2.png',dpi=500); plt.show()
image.png
#程序文件Pex2_43.py
import matplotlib.pyplot as plt
from numpy import *
x=linspace(0,15,11); y=linspace(0,10,12)
x,y=meshgrid(x,y) #生成网格数据
v1=y*cos(x); v2=y*sin(x)
plt.quiver(x,y,v1,v2)
plt.savefig('figure2_43.png',dpi=500); plt.show()
image.png
3.可视化的综合应用
image.png
image.png
image.png
#程序文件Pex2_34.py
import numpy as np
from matplotlib.pyplot import *
x=np.linspace(0,2*np.pi,200)
y1=np.sin(x); y2=np.cos(x); y3=np.sin(x*x); y4=x*np.sin(x)
rc('font',size=16); rc('text', usetex=True) #调用tex字库
ax1=subplot(2,3,1) #新建左上1号子窗口
ax1.plot(x,y1,'r',label='$sin(x)$') #画图
legend() #添加图例
ax2=subplot(2,3,2) #新建2号子窗口
ax2.plot(x,y2,'b--',label='$cos(x)$'); legend()
ax3=subplot(2,3,(3,6)) #3、6子窗口合并
ax3.plot(x,y3,'k--',label='$sin(x^2)$'); legend()
ax4=subplot(2,3,(4,5)) #4、5号子窗口合并
ax4.plot(x,y4,'k--',label='$xsin(x)$'); legend()
savefig('figure2_44.png',dpi=500); show()
image.png
例2.45 给定某集市2009.1.1~2012.12.30商品交易的8568条数据（文件名Trade.xlsx），格式如图2.13所示，对其中的一些数据特征进行可视化。
image.png
#程序文件Pex2_45.py
import numpy as np
import pandas as pd
from matplotlib.pyplot import *
a=pd.read_excel("Trade.xlsx")
a['year']=a.Date.dt.year #添加交易年份字段
a['month']=a.Date.dt.month #添加交易月份字段
rc('font',family='SimHei') #用来正常显示中文标签
ax1=subplot(2,3,1) #建立第一个子图窗口
Class_Counts=a.Order_Class[a.year==2012].value_counts()
Class_Percent=Class_Counts/Class_Counts.sum()
ax1.set_aspect(aspect='equal') #设置纵横轴比例相等
ax1.pie(Class_Percent,labels=Class_Percent.index,
autopct="%.1f%%") #添加格式化的百分比显示
ax1.set_title("2012年各等级订单比例")
ax2=subplot(232) #建立第2个子图窗口
#统计2012年每月销售额
Month_Sales=a[a.year==2012].groupby(by='month').aggregate({'Sales':np.sum})
#下面使用Pandas画图
Month_Sales.plot(title="2012年各月销售趋势",ax=ax2, legend=False)
ax2.set_xlabel('')
ax3=subplot(2,3,(3,6))
cost=a['Trans_Cost'].groupby(a['Transport'])
ts = list(cost.groups.keys())
dd = np.array(list(map(cost.get_group, ts)))
boxplot(dd); gca().set_xticklabels(ts)
ax4=subplot(2,3,(4,5))
hist(a.Sales[a.year==2012],bins=40, density=True)
ax4.set_title("2012年销售额分布图");
ax4.set_xlabel("销售额");
savefig("figure2_45.png"); show()
注2.8 画子图ax3的几条语句，等价于下列语句：
cost=a['Trans_Cost'].groupby(a['Transport'])
d1=cost.get_group('大卡'); d2=cost.get_group('火车'); d3=cost.get_group('空运');
dd=np.array([d1,d2,d3])
boxplot(dd); gca().set_xticklabels(['大卡','火车','空运'])
上面程序中还涉及很多新内容，如日期数据的处理、数据的分组和聚合等，希望读者自己用心去体会。所画的图形如图2.14所示。
image.png
