原文，第三方翻译，及代码github

Effectively Using Matplotlib

高效使用 Python 可视化工具 Matplotlib

pbpython/Effectively-Using-Matplotlib.ipynb at master · chris1610/pbpython

文章概括总结

matplotlib的两种接口

matplotlib有两种接口。第一种是基于MATLAB并使用基于状态的接口。第二种是面向对象的接口。matplotlib的新用户应该学习使用面向对象的接口。

学习matplotlib的步骤

1. 学习基本的matplotlib术语，尤其是什么是图和坐标轴
2. 始终使用面向对象的接口，从一开始就养成使用它的习惯
3. 用基础的pandas绘图开始你的可视化学习
4. 用seaborn进行更复杂的统计可视化
5. 用matplotlib来定制pandas或者seaborn可视化

matplotlib的术语理解图

术语理解.png

可用样式的查看和选择

plt.style.avaliable
plt.style.use('')

创建figure和ax：plt.subplots

可用参数

• nrows
• ncols
• sharey
• sharex
• figsize

返回对象

• figure对象
• ax对象组成的numpy数组(如果nrows和ncols大于1的话，否则为一个ax对象)

更改和设置matplotlib的参数

1. ax对象上调用set_xxx方法

   fig,ax= plt.subplots()
   top_10.plot(kind='barh',y="Sales",x="Name",ax=ax)
   ax.set_xlim([-10000,140000])
   ax.set_xlabel('Total Revenue')
   ax.set_ylabel('Customer');
   
   

2. ax 调用set方法，方法参数指定xxx参数

   fig,ax= plt.subplots(figsize=(5,6))
   top_10.plot(kind='barh',y="Sales",x="Name",ax=ax)
   ax.set_xlim([-10000,140000])
   ax.set(title='2014 Revenue',xlabel='Total Revenue')
   ax.legend().set_visible(False)
   
   

3. FuncFormatter调整数字格式

   def currency(x,pos):
   　　'The two args are the value and tick position'
   　　ifx>= 1000000:
   　　　　return'${:1.1f}M'.format(x*1e-6)
   　　return'${:1.0f}K'.format(x*1e-3)
   
   formatter= FuncFormatter(currency)
   # currency的两个参数调用时传入
   ax.xaxis.set_major_formatter(formatter)
   
   

注释的添加

1. 垂直线：ax.axvline()
2. 自定义文本:ax.text()

图像的输出

• 查看可用的输出格式

fig.canvas.get_supported_filetypes()

• 保存图像

fig.savefig('sales.png', transparent=False, dpi=80, bbox_inches="tight")

汇总及图像理解

# Get the figure and the axes
fig,(ax0,ax1)= plt.subplots(nrows=1,ncols=2,sharey=True,figsize=(7,4))
top_10.plot(kind='barh',y="Sales",x="Name",ax=ax0)
ax0.set_xlim([-10000,140000])
ax0.set(title='Revenue',xlabel='Total Revenue',ylabel='Customers')
# Plot the average as a vertical line
avg= top_10['Sales'].mean()
ax0.axvline(x=avg,color='b',label='Average',linestyle='--',linewidth=1)
# Repeat for the unit plot
top_10.plot(kind='barh',y="Purchases",x="Name",ax=ax1)
avg= top_10['Purchases'].mean()
ax1.set(title='Units',xlabel='Total Units',ylabel='')
ax1.axvline(x=avg,color='b',label='Average',linestyle='--',linewidth=1)
# Title the figure
fig.suptitle('2014 Sales Analysis',fontsize=14,fontweight='bold');
# Hide the legends
ax1.legend().set_visible(False)
ax0.legend().set_visible(False)

案例图说明