matplotlib 入门

优秀学习资源可以参考官方资源：Matplotlib: Visualization with Python。

Matplotlib 是一个综合库，用于在 Python 中创建静态，动画和交互式的可视化元素。可访问 Sample plots in Matplotlib¶ 快速查看 Matplotlib 的应用的简单例子。

Matplotlib 官方网站提供了许多优质的学习资源：User's Guide、examples gallery 以及 list of plotting commands、External Resources。

1 基础知识

Matplotlib 在Figure（即窗口，Jupyter 小部件等）上绘制数据图，每个 Figure 都可以包含一个或多个 Axes（即，可以根据 x-y 坐标（或极坐标中的ther-r）指定点的区域或 3D 图中的 xyz 等）。用 axes 创建 figure 的最简单方法是使用 pyplot.subplots。然后，我们可以使用 Axes.plot 在轴域上绘制一些数据：

fig, ax = plt.subplots()  # Create a figure containing a single axes.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the axes.

也可以简化为：

plt.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Matplotlib plot.

matplotlib 基本组件包括：Figure、Axes、Axis、Artist。

1.1 Figure

整个图形即是一个 Figure 对象，即一个弹出的绘图的窗口，便是一个 figure。
Figure 对象至少包含一个坐标系，也就是 Axes 对象。
Figure 对象包含一些特殊的 Artist 对象，如 title 标题、图例 legend。
Figure 对象包含画布 canvas 对象。 canvas 对象一般不可见，通常无需直接操作该对象，matplotlib 程序实际绘图时需要调用该对象。

创建新图形的最简单方法是使用 matplotlib.pyplot：

from matplotlib import pyplot as plt
fig = plt.figure()  # an empty figure with no Axes
fig, ax = plt.subplots()  # a figure with a single Axes
fig, axes = plt.subplots(2, 2)  # a figure with a 2x2 grid of Axes

1.2 Axes

这就是您认为的“绘图”，它是具有数据空间的图像区域。一个给定的 figure 可以包含许多 Axes，但是一个给定的 Axes 对象只能在一个 Figure 中。一个 Axes 包含两个（或 3D 情况下为三个）Axis 对象（这些对象负责对数据进行限制）。可以使用 axes.Axes.set_xlim() 和 axes.Axes.set_ylim() 限制数据的范围；set_xlabel() 和 set_ylabel() 设置轴指标的描述说明；set_title() 设置标题。

Axes 类及其成员函数是使用 OO 接口的主要入口点。

1.3 Axis

Axis 是数据轴对象，主要用于控制数据轴上刻度位置和显示数值。Axis 有 Locator 和 Formatter 两个子对象，分别用于控制刻度位置和显示数值。

1.4 Artist

基本上所有的对象都是一个 Artist 对象，包括 Figure 对象、Axes 对象和 Axis 对象，可以将 Artist 理解为一个基本类。这包括 Text 对象，Line2D 对象，collections 对象，Patch 对象等。

绘制图形后，所有 artists 都被绘制到画布(canvas)上。大多数 Artist 都被绑在 Axes 上。Artist 不能被多个轴共享，也不能从一个轴移动到另一个轴。

2 面向对象绘图与 pyplot 绘图

面向对象绘图：

import numpy as np
from matplotlib import pyplot as plt

x = np.linspace(0, 2, 100)

# Note that even in the OO-style, we use `.pyplot.figure` to create the figure.
fig, ax = plt.subplots()  # Create a figure and an axes.
ax.plot(x, x, label='linear')  # Plot some data on the axes.
ax.plot(x, x**2, label='quadratic')  # Plot more data on the axes...
ax.plot(x, x**3, label='cubic')  # ... and some more.
ax.set_xlabel('x label')  # Add an x-label to the axes.
ax.set_ylabel('y label')  # Add a y-label to the axes.
ax.set_title("Simple Plot")  # Add a title to the axes.
ax.legend()  # Add a legend.

pyplot 绘图：

x = np.linspace(0, 2, 100)

plt.plot(x, x, label='linear')  # Plot some data on the (implicit) axes.
plt.plot(x, x**2, label='quadratic')  # etc.
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()

最终的效果图均为：

图1 一个简单的例子

Matplotlib 的文档和示例同时使用 OO 和 pyplot 方法（功能同样强大），您可以随意使用两者（但是，最好选择其中一种并坚持使用，而不是混合使用）。通常，建议将 pyplot 限制为交互式绘图（例如，在 Jupyter 笔记本中），并建议将 OO 样式用于非交互式绘图（在打算作为较大项目的一部分重用的函数和脚本中）。

实际上，对于将 Matplotlib 嵌入到 GUI 应用程序中的情况，实际上存在第三种方法，即使创建图形，它也会完全删除 pyplot。我们不在这里讨论。有关更多信息，请参见库中的相应部分（在图形用户界面中嵌入 Matplotlib）。

3 Backends

网站和邮件列表上的许多文档都提到“后端”（"backend"），许多新用户可能对该术语感到困惑。其实为了支持所有这些用例，matplotlib 可以提供不同的输出，这些功能中的每一个都称为后端。“前端”是用户面对的代码，即绘图代码，而“后端”则是幕后所有艰苦的工作，以制作图形。后端有两种类型：用户界面后端（用于 pygtk，wxpython，tkinter，qt4 或 macosx；也称为“交互式后端”）和硬拷贝后端以制作图像文件（PNG，SVG，PDF，PS；也称为“非交互式后端”）。

有 3 种方式识别后端：

The rcParams["backend"] (default: 'agg') parameter in your matplotlibrc file
The MPLBACKEND environment variable
The function matplotlib.use()

如果存在多个配置，则列表中的最后一个优先。例如调用 matplotlib.use() 将覆盖 matplotlibrc 中的设置（可参考 Customizing Matplotlib with style sheets and rcParams）。如果未明确设置任何后端，则 Matplotlib 会根据系统上可用的后端以及 GUI 事件循环是否已在运行，自动检测可用的后端。在 Linux 上，如果未设置环境变量 DISPLAY，则“事件循环”被标识为 "headless"，这将导致回退到非交互式后端（agg）。