Matplotlib入門詳細教程

作者：luanhz

來源：小數志

Matplotlib入門詳細教程

Matplotlib作為數據科學的的必備庫，算得上是python可視化領域的元老，更是很多高級可視化庫的底層基礎，其重要性不言而喻。

本篇對matplotlib進行系統性介紹，不會面面俱到，但求體系完備、詳略得當。

行文目錄結構，重點是右三分支

matplotlib是python的一個繪圖庫，與numpy、pandas共享數據科學三劍客的美譽，也是很多高級可視化庫的基礎。matplotlib不是python內置庫，調用前需手動安裝，且需依賴numpy庫。截至當前，matplotlib發行版本號為3.2.1，適配python3.6及以上版本。

matplotlib，是matrix + plot + library的縮寫，雖然命名很是直觀，但個人接觸之初卻是常常不禁嗤之以鼻：類比numpy、pandas、sklearn這些簡潔易寫的庫名，matplotlib由三個單詞縮略而成，冗餘得多；尤其是後面加了個lib，好像不加lib就不是庫？matplotlib自身名字長也就罷了，但調用它的時候居然還不能簡單的直接調用，而是要用它的子模塊pyplot。那既然pyplot是核心繪圖模塊，為什麼不把其接口引入到頂層呢？那樣直接import matplotlib就行，而無需每次都import matplotlib.pyplot as plt了雖然pyplot是matplotlib下的子模塊，但二者的調用關係卻不是matplotlib調用pyplot，而是在pyplot中調用matplotlib，略顯本末倒置？當然，我等作為使用者、調包俠，自然是無法領會開發者的獨特考慮，也絕無資格對其評三道四，僅做吐槽一二。

pyplot部分調用模塊

前面說到，調用matplotlib庫繪圖一般是用pyplot子模塊，其集成了絕大部分常用方法接口，查看pyplot源碼文件可以發現，它內部調用了matplotlib路徑下的大部分子模塊（不是全部），共同完成各種豐富的繪圖功能。其中有兩個需要重點指出：figure和axes，其中前者為所有繪圖操作定義了頂層類對象Figure，相當於是提供了畫板；而後者則定義了畫板中的每一個繪圖對象Axes，相當於畫板內的各個子圖。換句話說，figure是axes的父容器，而axes是figure的內部元素，而我們常用的各種圖表、圖例、坐標軸等則又是axes的內部元素。

當然，之所以不能稱pyplot為一級命名空間的原因，不僅僅在於它在形式上隸屬於matplotlib，最主要的在於它還不算是matplotlib的「獨裁者」，因為matplotlib的另一個重要模塊——pylab——或許稱得上是真正意義上的集大成者：pylab被定位是python中對MATLAB的替代產品，也就是說凡是MATLAB可以實現的功能，pylab通通都要有，例如矩陣運算（包括常規矩陣運算、線性代數、隨機數、FFT等）、繪圖功能等等。

pylab導入的那些重量級模塊

至此，關於matplotlib的pyplot和pylab兩個子模塊，我們可以得出2點結論：

pylab集成了numpy和pyplot全部功能

當了解pylab模塊功能之後，才真正理解開發者的深謀遠慮：原以為matplotlib的意思是"面向矩陣的繪圖庫"，哪知其真正意義是"矩陣+繪圖庫"，繪圖只是它的一半。不過，也正因為pylab模塊集成了過多的功能，直接調用並不是一個明智的選擇，官方已不建議用其繪圖。

註：按照慣例，本文後續多以plt作為matplotlib.pyplot別名使用。

用matplotlib繪製可視化圖表，主要有3種接口形式：

plt接口和面向對象接口混合繪圖

鑑於pylab的特殊性，matplotlib繪圖主要採用前2種方式。而在二者之間：

需要指出，Axes從形式上是坐標軸axis一詞的複數形式，但意義上卻遠非2個或多個坐標軸那麼簡單：如果將Figure比作是畫板的話，那麼Axes就是畫板中的各個子圖，這個子圖提供了真正用於繪圖的空間，除了包含純粹的兩個坐標軸(axes)外，自然還包括圖形、圖例等。所以準確的講，如果說Axes和坐標軸有何關聯的話，那麼Axes應該算是廣義的坐標軸，或簡單稱之為子圖即可。

如同把大象裝進冰箱需要3步一樣，用matplotlib繪圖一般也可以分3步。下面以plt接口繪圖為例，面向對象接口繪圖流程完全一致，僅僅是個別接口方法名略有改動：
創建畫板，包括創建figure和axes對象，常用有3種方法

plt.subplots同時返回figure和axes實例

默認將最後一個axes子圖作為"當前"圖

plot接口文檔及部分參數

當然，各圖表接口參數繁多且不盡一致，全部熟記幾乎不現實，可僅記住常用參數及相關可選項，其他留作使用時查閱即可配置圖例：對所繪圖形進一步添加圖例元素，例如設置標題、坐標軸、文字說明等，常用接口如下：

關於圖例配置的官方解釋

plt接口繪圖中配置常用圖例

前面提到，繪圖接口有2種形式，分別是面向"當前"圖的plt接口和面向對象接口，在這2種方式的相應接口中，多數接口名是一致的，例如：plt.plot()和axes.plot()、plt.legend()和axes.legend()，但也有一些不一致的接口：plt.axes()——fig.add_axes()plt.subplot()——fig.add_subplot()plt.GridSped()——fig.add_gridspec()
plt.xlabel()——axes.set_xlabel()plt.ylabel()——axes.set_ylabel()plt.xlim()——axes.set_xlim()plt.ylim()——axes.set_ylim()plt.title()——axes.set_title()

對此，一方面兩類接口雖然略有區別，但也還算有規律；另一方面，在面向對象繪圖配置圖例時，有更為便捷的設置圖例接口axes.set()，其可以接收多種參數一次性完成所有配置，這也正是面向對象繪圖的強大之處。

前面提到，figure為繪圖創建了畫板，而axes基於當前畫板創建了1個或多個子圖對象。為了創建各種形式的子圖，matplotlib主要支持4種添加子圖的方式。

常用的添加子圖的方法莫過於subplot和subplots兩個接口，其中前者用於一次添加一個子圖，而後者則是創建一組子圖。

除此之外，plt.axes也可通過接收尺寸參數實現多子圖繪製：在添加子圖時傳入一個含有4個數值的元組，分別表示子圖的底坐標和左坐標（設置子圖原點位置）、寬度和高度（設置子圖大小），從而間接實現子圖僅佔據畫板的一塊子區域。相應的方法接口在面向對象接口中是fig.add_axes()，僅僅是接口名字不同，但參數和原理是一致的。例如：

應用plt.axes繪製多子圖

通過axes繪製多子圖，應對簡單需求尚可，但面對複雜圖表繪製時難免過於繁瑣：需要手工計算各子圖的原點位置和大小，意味著可能需要多次嘗試。此時，可選的另一種繪製多子圖的接口是plt.GridSpec。實際上，GridSpec只是對subplot接口的一個變形，本質上仍然是執行類似subplot多子圖流程：通過切片將多子圖合併，實現不規則多子圖的繪製。與subplot、axes在面向對象和plt兩類繪圖接口間的區別類似，GridSpec在面向對象時的接口為add_gridspec()。

這裡直接給出官網的一個繪製圖例，具體可查看官方示例代碼：

應用plt.GridSpec實現複雜多子圖繪製

實際上，前述在配置圖例過程中，每次繪製都需要進行大量自定義代碼設置（這也是matplotlib的一個短板），在少量繪圖工作時尚可接受，但在大量相似繪圖存在重複操作時，仍然採取這一方法不會是一個明智的選擇（雖然也可以簡單的封裝成一個函數）。

為此，matplotlib提供了自定義參數實現批量配置——rcParams，全稱runtime configuration Parameters，即運行時配置參數。顧名思義，就是在python程序運行時臨時執行的配置參數。rcParams是一個字典格式，當前共有299個鍵值對，分別對應一組參數配置選項。其中用得最多的可能是通過設置字體和減號編碼來解決亂碼的問題，但實際上它的功能強大之處可遠非如此。

設置rcParams解決中文亂碼的問題

另一個簡單易用的自定義配置選項是style，即設置繪圖風格，最早在matplotlib1.4版本中引入，當前共支持26種繪圖風格，這裡的繪圖風格類似於很多IDE支持不同主題。可以通過plt.style.available命令查看，返回一個可選風格的列表。例如，以下命令設置繪圖為senborn風格

設置seaborn繪圖風格

在可視化愈發重要的當下，matplotlib當然不僅支持簡單的2D圖表繪製，其也提供了對3D繪圖的豐富接口。

contour，實際上是一個偽3D圖形，仍然是在2維空間繪圖，但可以表達3維信息。例如在機器學習中，contour常用於繪製分類算法的超平面

如果需要繪製真3D圖形，則需要額外導入matplotlib專用3D繪圖庫：mpl_toolkits，包括3D版的Axes對象和常用圖表的3D版：
plot3D，3D版plot，可用於繪製3維空間的折線圖或點圖matplotlib提供了大量豐富的可視化繪圖接口，但仍然存在短板：例如繪圖操作略顯繁瑣、圖表不夠美觀。為此，在matplotlib基礎上產生了一些封裝更為便捷的可視化庫，實現更為簡單易用的接口和美觀的圖表形式，包括：pandas.plot，一個最直接的對matplotlib繪圖的封裝，接口方法非常接近seaborn，是對matplotlib的高級封裝，具有更為美觀的圖形樣式和顏色配置，並提供了常用的統計圖形接口，如pairplot()適用於表達多組數據間的關係ggplot，也是對matplotlib進行二次封裝的可視化庫，主要適用於pandas的DataFrame數據結構