1. Matplotlib 常用模块

Matplotlib 库中主要包含两个重要模块 pyplob 和 pylab。pyplot 是 Matplotlib 中的一个重要模块，在后续教程中，我们会经常使用 pyplot，该模块允许我们自动、隐式地创建图形及其轴，以实现所需的绘图；使用该模块，可以实现图形的快速绘制，而不需要进行任何图形或轴的实例化。 pylab 是 Matplotlib 的另一个重要模块，在需要使用矩阵、执行数学运算等函数功能时可以使用该模块，通常情况下不建议使用该模块。

2. Matplotlib 常用概念

我们已经知道，Matplotlib 是一个功能强大的绘图库，可以用于绘图许多类型的图，包括曲线图、直方图、轮廓图、散点图、箱型图等等。在继续使用 Matplolib 进行绘图之前，我们首先对 Matplolib 中常用的一些基本概念和术语进行介绍，以对 Matplolib 有更好的了解。使用 Matplotlib 创建的图形包含很多部分，主要有 Figure，Axis，Axes，Artist。

• Figure：Figure 是用于创建不同绘图的画布，Matplotlib 图形中的 Figure 可以包含一个或多个 axes/plots。
• Axis：Matplotlib 图形中的轴 axis 用于限制绘制图形的边界，基本上类似于数学中的坐标轴概念；例如，对于 3 维绘图，包含 X 轴、Y 轴和 Z 轴。
• Axes：axes 通常可以被视为一个绘图 plot，图形中可以包含多个 axes。
• Artist：一个 Matplotlib 生成图形中的一切都是 Artist 对象，也可以说 Artist 是所有其它类的父类，大多数 artist 都是在 axes 上所绑定，包括文本对象、Line2D 对象等。

以上概念间的相关关系如下图所示：

3. Matplotlib 简单示例

3.1 导入 Matplotlib 库

在代码中使用 Matplotlib 库时，通常我们会使用一些约定俗成的别名用于简化代码：

import matplotlib as mpl
from matplotlib import pyplot as plt

这种导入方法对于以下三种 Matplotlib 的使用方式都是通用的。

3.1 编写 Python 脚本绘制图形

接下来，我们编写一个入门示例，首先利用 Numpy 创建 NumPy 数组，然后使用 Matplotlib 将其可视化。
我们首先编写一个名为 fistplt.py 的文件，并在其中键入以下代码：

# fistplt.py
import matplotlib as mpl
from matplotlib import pyplot as plt
import numpy as np

x = np.arange(6)
y = x ** 3 + 5 * x - 10
plt.plot(x, y)
plt.show()

在以上代码中，np.arange(start, stop, step) 函数用于以给定的间隔 step 创建间距均匀的数列，起始值 start 和间隔 step 参数的默认值分别为 0 和 1，该函数的返回值不包含停止值 stop，即返回半开区间 [start, stop)。在以上示例中，我们创建了一个以 0 开始，以 5 结束的数组，即 [0, 1, 2, 3, 4, 5]。接下来，我们使用函数 y = x 3 + 5 × x − 10 y=x^3+5\times x-10y=x3+5×x−10 根据输入 x xx，创建了函数值 y yy，用于绘制 2D 图形。
接下来，我们使用函数 plot() 将其可视化，plot(x, y) 用于绘制一条曲线，其中，曲线点的 x 坐标在列表 x 中给出，曲线点的 y 坐标在列表 y 中给出，plot() 函数还包含一些其它的可选参数用于控制曲线样式。
最后 show() 函数用于显示绘制的图形，show() 函数会启动一个事件循环，查找所有当前 Figure 对象，并打开一个或多个显示 Figure 的交互式窗口。通常 plt.show() 函数在一个 Python 脚本中只能使用一次，通常位于脚本末尾，应尽量避免在同一脚本中多次使用 show() 函数。
因此我们可以总结使用Matplotlib 进行绘图的基本步骤：

• 准备数据，可以使用纯 Python 创建，也可以读取外部文件或使用 Numpy 等其他库获取所需展示的数据
• 使用绘图函数进行绘制，例如本节所用 plot() 函数用于绘制曲线图，后续的学习中，我们也将学习其它多种不同绘图函数，包括柱状图 bar()，饼图 pie() 等等
• 将绘图结果进行展示 show() 或保存 savefig('file_name')，需要注意的是，不能在 show() 之后 savefig()，这是由于使用 show() 函数后，画布会进行刷新，再进行保存时只会保存空白图形

编写代码完成后，在命令行提示符下使用命令：python firstplt.py 运行上述脚本，它会打开一个绘图窗口，其中显示的代码中所绘制的图形：

如上图所示，可以看到绘图窗口中还包含多个图标，其中：

| 此按钮用于将所绘制的图形另存为所需格式的图片，包括png，jpg，pdf，svg等常见格式 |
|

| 此按钮用于调整图片的尺寸，边距等图片属性 |
|

| 此按钮用于缩放图片，用于观察图形细节，单击此按钮后，在图形上使用鼠标左键拖拽进行放大，使用鼠标右键拖拽进行缩小 |
|

| 此按钮用于移动图形，可以与“缩放”按钮结合观察放大后图片的具体细节，同时，单击此按钮后，在图形上使用鼠标右键拖拽可以缩放坐标轴的比例 |
|

| 此按钮用于将图形恢复到其初始状态，取消缩放、移动等操作 |

NOTE：在之后的教程中，我们主要使用这种方式进行讲解，但是相关的绘图方法与接下来要讲的两种 Matplotlib 使用方式完全相同。

3.2 在 Jupyter Notebook 中使用Matplotlib

Jupyter Notebook 是一个基于浏览器的交互式数据分析工具，用于将相关描述、代码、图形、HTML元素以及多种内容组合到一个可执行文档中。如果要 Jupyter Notebook 中以交互方式展示绘图结果，使用 %matplotlib 命令，除此之外，在 Jupyter Notebook 中，还可以选择将图形直接嵌入 Notbook 中：

%matplotlib inline

命令 %matplotlib inline 会将绘图结果静态的嵌入到 Jupyter Notebook 中，而使用命令 %matplotlib 后 Matplotlib 绘制仍将打开一个交互式绘图窗口来绘制图形。
然后导入 Matplotlib 的方法与在脚本中完全一致：

import matplotlib as mpl
from matplotlib import pyplot as plt

在下图中，可以看到使用 %matplotlib 命令时，仍会打开一个交互式绘图窗口来进行绘制。

而在下图中，可以看到使用 %matplotlib inline 命令则会将绘图结果直接静态的嵌入到 Jupyter Notebook 中。

3.3 在 IPython Shell 中使用 Matplotlib

如果要在 IPython Shell 中使用 Matplotlib 模式，需要在启动 ipython 后使用 %matplotlib 魔法命令：

%matplotlib

运行以上命令时，它将给出 Matplotlib 所使用的后端：

Using matplotlib backend: Qt5Agg

在执行上述魔法命令后，通过导入 Matplotlib 库就可以使用 Matplotlib 库，这与其它方式使用 Matploblib 时的导入方式完全相同：

import matplotlib as mpl
from matplotlib import pyplot as plt

接下里，使用任何绘图函数命令都将打开一个交互式绘图窗口来绘制图形。

In [1]: %matplotlib
Using matplotlib backend: Qt5Agg

In [2]: import matplotlib as mpl
   ...: from matplotlib import pyplot as plt
   ...: import numpy as np

In [3]: x = np.arange(6)
   ...: y = x ** 3 + 5 * x - 10
   ...: plt.plot(x,y)
Out[3]: [<matplotlib.lines.Line2D at 0x7f1a0e4b2550>]

相关链接

Matplotlib安装与配置
Matplotlib图形绘制
Matplotlib风格与样式