简介
Python有许多可视化工具，本文只介绍Matplotlib库。Matplotlib是一种2D的绘图库，可支持硬拷贝和跨系统的交互。它可以在python脚本、IPython（Jupyter）的交互环境下、Web应用程序中使用。当初的目的是为Python构建一个MATLAB式的绘图接口。它不仅支持各种操作系统上许多不同的GUI后端，而且还能将图片导出为各种常见的矢量和光栅图：PDF、SVG、JPG、PNG、BMP、GIF等。
Matplotlib程序包
俗话说的好，“一图胜千言”，我们需要通过可视化的方式查看、分析数据，虽然pandas也有一些绘图的操作，但是相比较而言，Matplotlib在绘图显示效果方面更加绚丽。
Pyplot 为Matplotlib提供了一个方便的接口。我们可以导入Matplotlib库进行简单的操作。
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 256)
y1 = np.cos(x)
y2 = np.sin(x)
plt.plot(x, y1)
plt.plot(x, y2)
plt.show()importnumpyasnp
importmatplotlib.pyplotasplt
x=np.linspace(-np.pi,np.pi,256)
y1=np.cos(x)
y2=np.sin(x)
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()输出如下图形：
绘图命令及属性设置
在上面的例子中，我们使用的基本上是默认的属性和绘图框架。现在我们来看
Pyplot 绘图的基本框架是什么，与Photoshop一样，作图时要先定义一张画布，此处的画布就是Figure，然后在画布上添加其他的素材。
创建子图和设置属性
代码如下：
x = np.linspace(0, 10, 1000)
y1 = np.sin(x)
y2 = np.cos(x**2)
plt.figure(figsize=(8, 4))
plt.plot(x, y1, label='$sin(x)$', color='red', lw=2)
plt.plot(x, y2, label='$cos(x^2)$')
plt.xlabel('Time(s)')
plt.ylabel('Volt')
plt.title('Pyplot First Example')
plt.ylim(-1.5, 1.5)
plt.legend()
plt.show()x=np.linspace(0,10,1000)
y1=np.sin(x)
y2=np.cos(x**2)
plt.figure(figsize=(8,4))
plt.plot(x,y1,label='$sin(x)$',color='red',lw=2)
plt.plot(x,y2,label='$cos(x^2)$')
plt.xlabel('Time(s)')
plt.ylabel('Volt')
plt.title('Pyplot First Example')
plt.ylim(-1.5,1.5)
plt.legend()
plt.show()使用关键字参数可以指定绘制的曲线的各种属性：
label：给曲线一个标签名称，可以在图例中方便显示，如果标签字符串前后有字符
$ 围住，则表示使用内嵌的LaTex引擎将其显示为特定的数学公式；
color：指定曲线颜色，可以使用十六进制数或者以0-1的RGB表示，比如‘#ff0000’，(1.0, 0.0, 0.0)；
linewidth：曲线的线宽，也可以使用缩写形式
lw 。
最终得到如下图：
创建多个子图
如果需要同时绘制多个图表，可以给Figure传递一个整数参数指定图表的序号，也就是每张画布的序号。如果指定序号的画布已经存在，将会让它成为当前的绘图对象。来看实例代码：
fig1 = plt.figure(2)
plt.subplot(211) # 将绘图区域等分成2行1列的，并选择第一个区域
plt.subplot(212) # 将绘图区域等分成2行1列的，并选择第二个区域
plt.show()fig1=plt.figure(2)
plt.subplot(211)# 将绘图区域等分成2行1列的，并选择第一个区域
plt.subplot(212)# 将绘图区域等分成2行1列的，并选择第二个区域
plt.show()在这里指定了在Figure2上进行绘图操作。得到如下图：
事实上，我们可以很随意的拆分得到各种想要的子图，比如：
f1 = plt.figure(5)
plt.subplot(221)
plt.subplot(222)
plt.subplot(212)
plt.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)
plt.show()f1=plt.figure(5)
plt.subplot(221)
plt.subplot(222)
plt.subplot(212)
plt.subplots_adjust(left=0.08,right=0.95,wspace=0.25,hspace=0.45)
plt.show()在Figure5上我们随意的拆分了几个区域，最后通过
subplots_adjust() 函数调整绘图在画布上的分布。最后得到如下图：
通过Axes对象设置属性
上面的例子是在Figure上绘制图案，但是当我们绘图较多，需要精调每张小图的时候，就要用到Axes对象。具体代码如下：
fig, axes = plt.subplots(2, 2) # 相当于(nrows=2, ncols=2)
plt.show()fig,axes=plt.subplots(2,2)# 相当于(nrows=2, ncols=2)
plt.show()subplots() 函数能够批量创建多个子图区域，返回画布
fig 和包含所有子坐标轴的
axes 对象。得到如下图：
或者我们可以精调每张子图的属性，代码如下：
fig, axes = plt.subplots(2, 2)
axes[0, 0].set(title='upper left')
axes[0, 1].set(title='upper right')
axes[1, 0].set(title='lower left')
axes[1, 1].set(title='lower right')
for ax in axes.flat:
ax.set(xticks=[], yticks=[])
plt.show()fig,axes=plt.subplots(2,2)
axes[0,0].set(title='upper left')
axes[0,1].set(title='upper right')
axes[1,0].set(title='lower left')
axes[1,1].set(title='lower right')
foraxinaxes.flat:
ax.set(xticks=[],yticks=[])
plt.show()在这里设置它们的title，并删除横纵坐标。通过遍历axes的
flat 属性，依次
set 去除坐标。最终得到如下图：
实际上，plot操作的底层操作就是Axes对象的操作，只不过如果我们不用Axes而只用plot，它默认的是
plot.subplot(111) ，也就是说plot其实是Axes的特例。
保存Figure对象
最后一项操作是保存图片，此时需要使用
savefig() 函数。具体代码如下：
plt.savefig('test.png', dpi=500)
1
plt.savefig('test.png',dpi=500)dpi 参数控制保存的像素，值越大，内存消耗越大。
总结
除了上述的基本操作以外，Matplotlib还有其他更高级的方法作图。此处只是简单介绍它在绘图时需要注意的事项。
