Python 3.x | 【初见】数据可视化（视觉化）工具之绘图：matplotlib（区别：numpy、scipy、pandas、matplotlib）

你的名字 2023-06-23 13:00 1阅读 0赞

环境

*  win 10
 *  anaconda 4.2.0（对应python 3.5.2），是Python的一个开源发行版本，自带numpy、pandas、matplotlib等科学包及其依赖项
    
     *  在命令行窗口输入`conda list`可列出所安装的包
     *  matplotlib 1.5.3
 *  notepad++（python环境集成到了notepad++）
    
     *  ctrl+f5调试，执行程序；
     *  ctrl+f6调出交互式窗口

--------------------

区别：numpy、scipy、pandas、matplotlib

*  1，numpy，基础。以矩阵为基础的数学计算模块，纯数学。存储和处理大型矩阵
    
     *  这个是很基础的扩展，其余的扩展（如下方的这些）都是以此为基础。所以安装时是依赖关系。
     *  N维数组容器
 *  2，pandas，数据分析。基于NumPy 的一种工具，为了解决数据分析任务而创建的。表格容器
    
     *  纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。  
        最具有统计意味的工具包，某些方面优于R软件。
     *  Pandas提供了一套名为DataFrame的数据结构，比较契合统计分析中的表结构，并且提供了计算接口，可用Numpy或其它方式进行计算
     *  数据结构有：
        
         *  一维的Series
         *  二维的DataFrame（类似于Excel或者SQL中的表，如果深入学习，会发现Pandas和SQL相似的地方很多，例如merge函数）
         *  三维的Panel（`Pan（el) + da(ta) + s`名字的由来）
     *  学习pandas要掌握：
        
         *  汇总和计算描述统计，处理缺失数据 ，层次化索引
         *  清理、转换、合并、重塑、GroupBy技术
         *  日期和时间数据类型及工具（日期处理方便到6）。
 *  3，matplotlib，绘图。
    
     *  Python中最著名的绘图系统。很多其他的绘图例如seaborn（针对pandas绘图而来）也是由其封装而成。
     *  这个绘图系统操作起来很复杂，和R的ggplot，lattice绘图相比显得望而却步
     *  但是matplotlib的复杂给其带来了很强的定制性。其具有面向对象的方式及Pyplot的经典高层封装
     *  需要掌握的是：
        
         *  散点图，折线图，条形图，直方图，饼状图，箱形图的绘制。
         *  绘图的三大系统（模块）：pyplot，pylab(不推荐)，面向对象
         *  坐标轴的调整，添加文字注释，区域填充，及特殊图形patches的使用
         *  金融的同学注意的是：可以直接调用Yahoo财经数据绘图.
 *  4，scipy，数值计算库（科学计算库，有一些高阶抽象和物理模型）
    
     *  在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。即：科学计算函数库
     *  方便、易于使用、专为科学和工程设计的Python工具包
     *  它包括统计，优化，整合，线性代数模块，傅里叶变换，信号和图像处理（比如 滤波器），常微分方程求解器等等

--------------------

参考 [matplotlib中文网][matplotlib]

Matplotlib，`math + plot +lib`，一个数学绘图库

plot
    n.故事情节、布局、阴谋
    v.密谋、暗中策划；（在地图上）画出、标出；绘图（图表）

> **Matplotlib**是一个Python的**2D绘图库**，它以各种硬拷贝格式和跨平台的交互式环境**生成出版质量级别的图形**。Matplotlib可在多种环境下运行，包括Python脚本、Python及IPython shell命令行，Jupyter notebook，网络应用服务器与四个图形用户界面工具包。  
>   
> Matplotlib广泛应用于数据视觉化，运行良好，用户界面与Matlab相似度较低，并给予用户极大的编码灵活度。写编码可能会很无聊，但Matplotlib会给用户极大的自由。

> matplotlib 是一个开源项目，由 John Hunter 发起。关于 matplotlib 的由来，有一个小故事。John Hunter 和他研究癫痫症的同事借助一个专有软件做脑皮层电图分析，但是他所在的实验室只有一份该电图分析软件的许可。他和许多一起工作的同事不得不轮流使用该软件的硬件加密狗。于是，JohnHunter 便有了开发一个工具来替代当前所使用的软件的想法。当时MATLAB被广泛应用在生物医学界中，John Hunter等最初是想开发一个基于MATLAB的版本，但是由于MATLAB的一些限制和不足，加上他本身对Python非常熟悉，于是就有了matplotlib的诞生。所以，无论从名字上，还是从matplotlib提供的函数名称、参数及使用方法都与MATLAB非常相似。

参考：

*  【[python数据可视化系列教程——matplotlib绘图全解][python_matplotlib]】
 *  [matplotlib.pyplot.figure()结构及用法详解][matplotlib.pyplot.figure]

使用Matplotlib一些常见 概念名词：

在绘图结构中
    figure，n.图形----创建窗口
    subplot----创建子图（或叫 子区）
    所有的绘画只能在子图上进行
    
    axis，[ˈæksɪs] 坐标轴，轴线
    复数是axes
    
    legend，n.除了译作：传说、传奇故事/人物。之外，还有：
    	（地图或书中图表的）图例、说明、解释
    
    tick，表示x/y轴上的刻度

fig = plt.figure()#返回Figure实例。接着才可以添加Axes实例
    
    ax = fig.add_subplot(111)#返回一个Axes实例（坐标轴），含x、y轴
    3个参数合为 1个。等价于add_subplot(1,1,1)
    - 子图总行数
    - 子图总列数
    - 子图位置
    
    总结：
    这些是作为单个整数编码的子绘图网格参数。
    例如：
    “111”表示“1×1网格，第一子图”，
    “234”表示“2×3网格，第四子图”。

fig = plt.figure()
    fig.add_subplot(221)
    plt.show()

![在这里插入图片描述][20191219125306829.png]  
把上述`fig.add_subplot(221)`换成`fig.add_subplot(221)`：  
![在这里插入图片描述][20191219125530762.png]

fig = plt.figure()
    fig.add_subplot(111)
    plt.show()

运行结果是这样：  
![在这里插入图片描述][20191219125731652.png]

同时运行下方代码，效果：

import matplotlib.pyplot as plt
    fig = plt.figure()
    fig.add_subplot(221)
    fig.add_subplot(222)
    fig.add_subplot(223)
    fig.add_subplot(224)
    plt.show()

![在这里插入图片描述][20191219130254325.png]

[matplotlib]: https://www.matplotlib.org.cn/
[python_matplotlib]: https://blog.csdn.net/luanpeng825485697/article/details/78508819
[matplotlib.pyplot.figure]: https://blog.csdn.net/The_Time_Runner/article/details/89887259
[20191219125306829.png]: https://img-blog.csdnimg.cn/20191219125306829.png
[20191219125530762.png]: https://img-blog.csdnimg.cn/20191219125530762.png
[20191219125731652.png]: https://img-blog.csdnimg.cn/20191219125731652.png
[20191219130254325.png]: https://img-blog.csdnimg.cn/20191219130254325.png