matplotlib绘图有几种方式，图形结构包括什么-群英

上一篇：如何创建pygame窗口，方法步骤是什么下一篇：pandas常用函数有哪些，基本的用法是怎样的

这篇文章主要讲解了“matplotlib绘图有几种方式，图形结构包括什么”，文中的讲解内容简单、清晰、详细，对大家学习或是工作可能会有一定的帮助，希望大家阅读完这篇文章能有所收获。下面就请大家跟着小编的思路一起来学习一下吧。

1、matplotlib之父简介

matplotlib之父John D. Hunter已经去世，他的一生辉煌而短暂，但是他开发的的该开源库还在继续着辉煌。国内介绍的资料太少了，查阅了一番整理如下：

1968 出身于美国的田纳西州代尔斯堡。
之后求学于普林斯顿大学。
2003年发布Matplotlib 0.1版，初衷是博士研究期间为可视化癫痫患者的脑电图（ECoG）数据；
之后，美国国家航空航天局（NASA）太空望远镜科学研究所的哈勃望远镜背后团队（Hubble Space Telescope），选择Matplotlib作为了画图程序包，并一直为 Matplotlib 开发团队提供资金支持，从而大大促进了 Matplotlib 的发展。
2004 年于芝加哥大学获得神经生物学方向博士学位。
2005年供职于芝加哥的一家投资公司，从事量化分析（真是生物人遍布各行各业）。
之后以董事的身份创立了专为数据科学赞助的非盈利组织 NumFOCUS Foundation。
2007年美国凤凰号探测器（Phoenix spacecraft）登录火星，NASA使用Matplotlib可视化了第一张黑洞的图片。
2012年因John D. Hunter个人对Python和数据科学方向的杰出贡献，被Python社区授予第一届PSF Distinguished Service Awards奖项。
2012.08 因患恶性结肠癌英年早逝，享年44岁。
虽然Matplotlib之父已经去世，但是，大量开源爱好者在fork着这个可视化包，延续着辉煌 https://github.com/matplotlib。
NumFOCUS 组织每年夏天会赞助1到2个学生，在高级贡献者的带领下，为Matplolib全职工作10周左右（2018年奖金多达$6,000）：https://numfocus.org/programs/john-hunter-technology-fellowship 。
2013年起，SciPy每年举行可视化比赛：John Hunter Excellence in Plotting Competition，一是为了为了纪念John Hunter的贡献，二是为了强调数据可视化对科学进步的重要性，并展示开源软件力量。；2020年报名截止日期为06月01号，奖金优渥（1st prize: $1000；2nd prize: $750；3rd prize: $500）：https://jhepc.github.io/index.html 。

2、matplotlib图形结构

figure层

指整张图，可设置整张图的分辨率（dpi），长宽（figsize）、标题（title）等特征；

可包含多个axes，可简单理解为多个子图（下图为两个axes）；

figure置于canvas系统层之上，用户不可见。

axes层

每个子图，可以绘制各种图形，例如柱状图（bar），饼图（pie函数），箱图（boxplot）等；

设置每个图的外观网格线（grid）的开关、坐标轴（axis）开关等；

设置每个坐标轴（axis）的名字（label）、子图标题（title）、图例（legend）等；

设置坐标轴范围（scale）、坐标轴刻度（tricks）等；

下图中具有两个axes：

一张matplotlib图的组成

下面这张matplotlib图包含一张图的常见元素，例如标题、坐标轴、轴标签、刻度、文本注释、图例等。

3、matplotlib两种画绘图方法

方法一：使用matplotlib.pyplot

matplotlib.pyplot简介

这种绘图主要使用pyplot模块，pyplot.py代码量有3000多行（windows下存储于xxx\site-packages\matplotlib\pyplot.py），该脚本里面有大量def定义的函数，绘图时就是调用pyplot.py中的函数。

pyplot方法绘图举例

#matplotlib.pyplot 接口
import numpy as np
import matplotlib.pyplot as plt#导入pyplot，matplotlib.pyplot简写为plt
def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)

plt.figure(dpi=100)
plt.subplot(211)
plt.plot(t1, f(t1), color='tab:blue', marker='o')
plt.plot(t2, f(t2), color='black')
plt.title('demo')

plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), color='tab:orange', linestyle='--')
plt.suptitle('matplotlib.pyplot api')
plt.show()

方法二：面向对象方法

画比较复杂的图形时，面向对象方法会更方便。这种绘图方式主要使用matplotlib的两个子类：matplotlib.figure.Figure和matplotlib.axes.Axes，画每张图时，画布为matplotlib.figure.Figure的一个实例，每个子图为matplotlib.axes.Axes的一个实例，分别可以继承父类的所有方法，也就是说你绘图时，你想设置的元素（网格线啊，坐标刻度啊等）都可以在二者的属性中找出来使用。

matplotlib.figure.Figure

该对象主要用于figure的调整

matplotlib.axes.Axes

面向对象方法绘图举例

import numpy as np
import matplotlib.pyplot as plt

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)


t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)

fig, axs = plt.subplots(2, dpi=100)
#fig为matplotlib.figure.Figure对象的实例figure
#axs为matplotlib.axes.Axes对象实例（每个子图）组成的numpy.ndarray
axs[0].plot(t1, f(t1), color='tab:blue', marker='o')
axs[0].plot(t2, f(t2), color='black')

#两种设置标题的方法
#axs[0].set_title('haha')#使用matplotlib.axes.Axes的set_title方法设置小标题
axs[0].set(title='demo1')

axs[1].plot(t2, np.cos(2*np.pi*t2), color='tab:orange', linestyle='--')
fig.suptitle('matplotlib object-oriented')#使用matplotlib.figure.Figure中的suptitle方法设置Figure标题
plt.show()