簡介

Matplotlib可以說是Python最聲名遠(yuǎn)揚的可視化庫了，也是Python數(shù)據(jù)分析庫的“三駕馬車”之一。Matplotlib是基礎(chǔ)而非常強大的可視化庫，Seaborn等好用的可視化庫是在前者的基礎(chǔ)上進行的封裝。Matplotlib擅長快速出簡單的圖、有豐富的接口進行精細(xì)化繪圖、和Numpy結(jié)合做科學(xué)可視化及三維圖配合默契、三維圖。但也有些缺點，如不容易基于實用目的繪制有一定難度的圖表（如小提琴圖等）、標(biāo)簽等元素需指定坐標(biāo)而不能自適應(yīng)優(yōu)化顯示、難以實現(xiàn)交互。

Matplotlib官網(wǎng)說：

Matplotlib tries to make easy things easy and hard things possible.

越用越認(rèn)可這句話，Matplotlib非常強大，Hard things是possible但并非easy and fast。

Matplotlib出圖示例

可視化基礎(chǔ)框架

對于一個數(shù)據(jù)表df(通過pandas讀入為DataFrame)來說，用Matplotlib對其進行可視化的基礎(chǔ)框架為：

fig, ax = plt.subplots()
ax.plot(df['x'],df['y'])

通過上面幾行代碼就可以畫出df表周一到周五y指標(biāo)的變化折線。

折線圖繪制示例

Matplotlib其實為作圖提供了兩套可視化接口：

• plt.plot()系列

• fig, ax = plt.subplots() ax.plot() 系列

根據(jù)官網(wǎng)教程，分別對應(yīng)MATLAB的陳述式語法和面向?qū)ο髮懛?，具體可參考tutorials:lifecycle.html ，

個人理解，plt.plot()適合用于快速出圖，讀入一個數(shù)據(jù)表后想快速知道數(shù)據(jù)分布、指標(biāo)關(guān)系等，通過plt.plot()系列語句直接出圖，而ax.plot()更方便用來精細(xì)繪圖，接口對各種圖表元素的編輯很友好。

在Matplotlib官網(wǎng)搜索，通常能看到兩套接口，如搜繪制餅圖的關(guān)鍵詞pie，結(jié)果中的axes.Axes.pie對應(yīng)ax.pie()的用法，pyplot.pie對應(yīng)plt.pie()的函數(shù)接口。

兩套接口

ax.×××()的寫法看起來要寫的語句多些，但這種面向?qū)ο?object-oriented)的寫法通過fig, ax = plt.subplots()建立畫布(figure)和定義軸域(axes)，能更明確在哪作畫和映射規(guī)則，給用戶更大的自由度和更精細(xì)的調(diào)參能力。Axes包含了一套坐標(biāo)軸(axis)，確定了x/y坐標(biāo)軸之后，數(shù)值再確定對應(yīng)坐標(biāo)，也就唯一確定了所在位置（這是二維情況下，更高維度就會對應(yīng)著更多的axis），散點圖是去確定點在軸域下的位置，柱狀圖是確定每個柱柱所在的位置，因此一套Axes就確定了唯一的獨立的圖，一個畫布可以有多套Axes。更具體的辨析可讀姚太多啊的一篇文章，簡單說就是ax.×××()更方便調(diào)細(xì)節(jié)，初學(xué)者盡量避免用plt.×××系列來畫圖。

基礎(chǔ)圖表繪制

數(shù)據(jù)可視化從目的來說，是為了更直觀展示數(shù)據(jù)或數(shù)據(jù)之間的對比、分布或關(guān)聯(lián)關(guān)系。散點圖、折線圖、柱狀圖、條形圖、餅圖、直方圖是非常常用而基礎(chǔ)的可視化圖。個人認(rèn)為通過畫這幾種基礎(chǔ)圖并調(diào)細(xì)節(jié)是很好的學(xué)可視化實踐。

將數(shù)據(jù)映射為可視圖表

為了整體的美觀和一致性，本文都用了一套自定義配色，通過mpl.rcParams["axes.prop_cycle"] = mpl.cycler('color', ['1EAFAE', 'A3FFFF', '69FFFF']) 語句實現(xiàn)簡單改配色，具體關(guān)于mpl.rcParams后面再展開。

畫散點圖可以用兩種主要的方法，scatter(x,y)和plot(x,y,'o') 。 通過ax.scatter(x,y)繪制以x為橫坐標(biāo)，y為縱坐標(biāo)的散點圖，scatter的重要參數(shù)如下：

• x,y：對應(yīng)著x軸和y軸的數(shù)據(jù)，散點畫在坐標(biāo)軸里的[xi,yi]處。

• s,c,alpha: 對應(yīng)散點大小(size)、顏色(color)、透明度，都可以傳一個和點數(shù)量相同長度的數(shù)組，如s=df['z']可以做氣泡圖，一般氣泡圖為了防止遮蓋問題，通常設(shè)置一定的透明度，alpha的范圍為0到1。c='#BA5C25'設(shè)置點顏色，c賦值為一個數(shù)組可以做出每個點一個顏色的效果。

• marker：設(shè)置點的形狀；

• cmap:顏色映射；

• norm:當(dāng)顏色c為一組浮點數(shù)時，把值標(biāo)準(zhǔn)化到[0,1]做顏色映射，vmin和vamx參數(shù)是結(jié)合 norm 來用的；

散點圖參數(shù)示例

ax.plot(x,y,'o')也可以畫散點圖，ax.plot()核心是繪制坐標(biāo)系下的點和點之間的連線的，當(dāng)突出點的大小而省略線時，就是散點圖了，同樣突出線就變成了折線圖。通過fmt(也就是format_string)參數(shù)來控制這些，包括點的形狀、顏色、線的風(fēng)格顏色等。折線圖基礎(chǔ)繪制效果可回看上一部分可視化基礎(chǔ)框架。

plot()的常用參數(shù)如下：

• x,y: x軸和y軸的數(shù)據(jù)，當(dāng)plot()只有一個輸入列表或數(shù)組時，參數(shù)被當(dāng)做y軸，也就是value，x軸以索引自動生成，也就是ax.plot(y)相當(dāng)于ax.plot(range(len(y)),y);

• fmt: 控制x,y繪制的折線的點形狀、顏色、線的風(fēng)格、顏色；

• 其他的lines.Line2D支持的屬性， 如color控制線顏色，marker控制點形狀，linestyle控制線風(fēng)格類型及linewidth控制線寬等，如果既設(shè)置了fmt又指定了color呢？可以實踐一下，線的顏色會根據(jù)color屬性最終顯示。

常用fmt字符意義整理

plot()除了plot(x,y,[fmt])這種寫法之外，還可以傳多套x,y以繪制多條折線，寫法是plot(x,y,[fmt],x2,y2,[fmt2],…)。

另外plot()還支持plot('col1','col2',data=df)這種寫法，這是對二維表格數(shù)據(jù)更友好的接口。本文講到的其他圖形如bar、barh等基本也都是支持ax.×××(df['x'],df['y']) 和ax.×××(x,y,data)寫法的。

3種寫法及結(jié)果圖

通過ax.bar(x,height)繪制柱狀圖，條形圖的繪制用ax.barh(y,width)，因bar和barh的用法很類似，參數(shù)之間有對應(yīng)關(guān)系，這里結(jié)合著看。

柱狀圖繪制及參數(shù)

• x,height: x軸的值和各柱的高，相當(dāng)于折線圖的x,y；

• width: 柱的寬度，默認(rèn)是0.8，也可以傳入一個數(shù)組，畫不等寬的柱狀圖；

• bottom: 每個柱底部開始位置，默認(rèn)是0，改bottom可以畫堆積柱狀圖、瀑布圖等；

• align: 柱狀的x是在柱底部中心還是邊緣，{'center', 'edge'}，默認(rèn)是center；

• data: 可以傳入一個DataFrame，用法和前面說到的ax.plot('col1','col2',data=df)一致；

• 其他像color(柱顏色)、edgecolor(柱邊框色)、linewidth(邊框線寬)等圖元屬性用法都一致，linewidth也是可以簡寫為lw的，顏色可以傳一個數(shù)組，可以畫出五彩斑斕的柱，也可借由這個參數(shù)美化瀑布圖；

• 條形圖barh的參數(shù)有barh(y,width,height,left,align)，y是Y軸的值，每個柱的位置，因此barh的y對應(yīng)bar的x，barh的width對應(yīng)bar的height，barh的height對應(yīng)bar的width。每個柱開始的位置是left，對應(yīng)bar的bottom。align、data、color等一致。

注意的是柱狀圖繪制語句ax.bar(x,height)的返回值是一個容器(BarContainer)，包含了所有畫出來的柱。通過這個返回值可以對柱進行一些個性化的處理，另外的應(yīng)用就是根據(jù)返回柱的屬性給每個柱標(biāo)上文本標(biāo)簽。

#給柱狀圖標(biāo)上標(biāo)簽
fig,ax= plt.subplots()
rects=ax.bar(df['x'],df['y'])
ax.set_ylim(0,100)
for rect in rects:
    height = rect.get_height()
    ax.annotate('{}'.format(height),
            xy=(rect.get_x() + rect.get_width() / 2, height),
            xytext=(0,1),  # 1 points vertical offset
            textcoords="offset points",
            ha='center', va='bottom')

通過給x以一定的偏移量，繪制簇狀柱形圖。代碼如下：

#簇狀柱 ClusterBar
x = list(range(1,len(df)+1)) 

width = 0.2  #每個柱的寬度
x1=[i-width for i in x]
x2=[i+width for i in x]
fig, ax = plt.subplots(figsize=(6,5))
rects1 = ax.bar(x1,df['y'], width*2, label='Men',color='#1EAFAE')
rects2 = ax.bar(x2,df['z'], width*2, label='Women',color='#69FFFF')

ax.set_xticks(x)
ax.set_xticklabels(df['x'])
ax.legend()

簇狀柱形圖

通過給bottom參數(shù)傳一個數(shù)組，可以畫堆疊柱狀圖：堆疊柱除了等值堆疊之外，還可以等比堆疊，思路就是將每個x對應(yīng)的柱都做一下數(shù)值變換，把柱的高度約束在[0,1]，且堆疊之和為1，height=h[i]/sum(h)。

#堆疊柱狀圖
fig,ax= plt.subplots()
ax.bar(df['x'],df['y'],label='Men')
ax.bar(df['x'],df['z'],bottom=df['y'],label='Women')
ax.legend()

#等比例堆疊柱
fig,ax= plt.subplots()
df['y1']=df.apply(lambda x:(x['y'])*100/(x['y']+x['z']),axis=1)
df['z1']=df.apply(lambda x:(x['z'])*100/(x['y']+x['z']),axis=1)
ax.bar(df['x'],df['y1'])
ax.bar(df['x'],df['z1'],bottom=df['y1'])
ax.set_ylim(0,100) #標(biāo)簽設(shè)置等代碼省略

堆疊柱狀圖繪制效果

調(diào)節(jié)width參數(shù)使得柱和柱之間的寬度為0，并對數(shù)據(jù)進行統(tǒng)計在畫圖，可以用ax.bar()繪制直方圖，但也不需要這么復(fù)雜，Matplotlib提供了繪制直方圖的接口ax.hist(x,bins,normed)，可以直接對某列數(shù)據(jù)繪制直方圖。x是需要統(tǒng)計分布的數(shù)據(jù)列，bins控制分箱的個數(shù)，默認(rèn)是10。

箱線圖在數(shù)據(jù)分析中挺常用的，箱線圖對于數(shù)據(jù)分布有很好的展示作用，Matplotlib提供了boxplot(x)用于繪制箱線圖。

fig, ax= plt.subplots()
ax.boxplot(df['y'])  #箱線圖

用同一列數(shù)據(jù)繪制的直方圖和箱線圖

餅圖是可視化中基礎(chǔ)而重要的圖形，是各種數(shù)據(jù)報告的?？?，Matplotlib繪制餅圖時因為xy軸默認(rèn)比例尺不同，為了得到不扁的餅，需設(shè)置xy軸1像素對應(yīng)的值相等。

#繪制餅圖
fig,ax=plt.subplots(subplot_kw=dict(aspect="equal")) 
ax.pie(df['y']) #為了得到不扁的餅，設(shè)置xy軸比例尺相同

#---
#環(huán)狀圖
fig, ax = plt.subplots(subplot_kw=dict(aspect="equal")) 
wps=dict(width=0.3, edgecolor='w')
ax.pie(df['y'], radius=1,startangle=90,counterclock=False,wedgeprops=wps)
ax.pie(df['z'], radius=1-0.3,startangle=90,counterclock=False,wedgeprops=wps)

餅圖和環(huán)狀圖

圖表元素調(diào)校

一張可視化圖上除了主要的點、線、面之外，文本標(biāo)簽、坐標(biāo)軸標(biāo)簽等也是很重要的可視媒介，特別是對于信息圖表而言。 下面這張圖基本囊括了用到的圖形元素

figure上的圖元

加文本可以通過 ax.text(x,y, "Text") 。添加標(biāo)題通常寫ax.set_title()，另外也可以用ax.title.set_text('title')或ax.set(title='ttl')設(shè)置標(biāo)題， 整理如下：

常用圖表標(biāo)簽添加的接口

• ax.text(x,y, "Text"):在坐標(biāo)[x,y]處添加文本Text，文本支持latex公式，如ax.text(2,6, r'$E=mc^2$', fontsize=15)；

• ax.set_title():添加標(biāo)題；

• ax.set_ylim(0,4) 設(shè)置y軸值的范圍（類似于函數(shù)的值域），例如對于y=[],直接ax.plot(y)畫出來的折線圖y軸范圍是 ，通過ax.set_ylim(0,4) 可以顯示0~100范圍的效果。同理通過ax.set_ylim(0,4)設(shè)置x軸范圍（定義域）；

• ax.set_ylabel("Y axis label"):給y軸加上坐標(biāo)軸標(biāo)題；

• ax.tick_params(which='major', width=1.0):細(xì)調(diào)坐標(biāo)軸刻度；

• ax.legend() : 設(shè)置圖例 ；

圖形元素設(shè)置除了文本類型之外，也可以往里加形狀 。

• 加線：import matplotlib.lines as lines；ax.add_artist(lines.Line2D([15,15], [0, 10],color='#1EAFAE'))，其效果可參考矩陣圖繪制效果；

• 加帶箭頭的線: ax.arrow(0, 0, 0.5, 0.5, head_width=0.05, head_length=0.1, fc='k', ec='k')；

• 加一個垂直的平均線: ax.axvline(x, ls='--', color='r')，那水平平均線呢？axhline(y=0, xmin=0, xmax=1, **kwargs)；

• 加垂直或水平的強調(diào)矩形: ax.axhspan(ymin, ymax, xmin=0, xmax=1, **kwargs) 和 ax.axvspan(xmin, xmax, ymin=0, ymax=1, **kwargs)；

• 加矩形：patches.append(mpatches.Rectangle([0.5, 0.5], 0.5,0.8))，可用于繪制甘特圖；

• 加圓形(及橢圓): patches.append( mpatches.Ellipse((x,y), width, height))；

• 加帶箭頭的形狀：ax.annotate('箭頭文本', xy=(4,5), xytext=(3,2),color, arrowprops=dict( arrowstyle='->', connectionstyle="arc3"))，加圖標(biāo)型的箭頭：patches.append( mpatches.Arrow(x,y, dx,dy,width))；

• 加圖片: mpimg.imread(ipath); ax.axis('off'); ax.imshow(img)；

給散點圖加標(biāo)簽并加分隔線繪制矩陣圖以實踐一下以上方法：

import matplotlib.lines as lines
fig, ax= plt.subplots()
ax.plot(df['z'],df['y'],'o')
ax.add_artist(lines.Line2D([70,70], [30,100],color='#000000',lw=3)) #是[x1,x2],[y1,y2] 不是[x1,y1],[x2,y2]
ax.add_artist(lines.Line2D([30,100], [65,65],color='#000000',lw=3))
ax.set_xlim(30,100)
ax.set_ylim(30,100)
ax.set_xlabel("z")
ax.set_ylabel("y")

矩陣圖繪制示例

繪制瀑布圖綜合運用ax.bar()的參數(shù)和文本標(biāo)簽，并封裝為一個函數(shù)，以后使用只需要調(diào)用就好：

#瀑布圖
x=[17,-3,7,6] #原始數(shù)據(jù)

def waterfall_chart(x):
    j=0 #sum(x) 最終柱的結(jié)果
    k=0 #k=x[i-1]
    x0=[]
    for i in x:
        if i<0:
            x0.append(j+i)
        else:
            x0.append(j)
        j+=i

    x1=[abs(i) for i in x]

    c1=['#1EAFAE' if i>0 else '#69FFFF' for i in x]
    c1.append('#BA5C25')
    x0[0]=0
    x0.append(0)
    x1.append(j)
    x.append(j)
    w=list(range(1,len(x)+1))
    fig,ax= plt.subplots(figsize=(6,5))
    ax.bar(w,x0,alpha=0) #都透明度為0了，顏色不重要
    rects=ax.bar(w,x1,bottom=x0,color=c1) #顏色可傳一個數(shù)組的
    ax.set_ylim(0, 30)
    i=0
    for rect in rects: #加上適當(dāng)?shù)奈谋緲?biāo)簽 
        height = rect.get_height()+x0[i]
        ax.annotate('{}'.format(x[i]),
                xy=(rect.get_x() + rect.get_width() / 2, height),
                xytext=(0,1),  # 1 points vertical offset
                textcoords="offset points",
                ha='center', va='bottom')
        i+=1
    ax.set_xticklabels(['','Q1','Q2','Q3','Q4','Ys'])
    return ax
waterfall_chart(x)

瀑布圖繪制示例

組合圖

為了更好地展現(xiàn)數(shù)據(jù)間的聯(lián)系或變化，我們有時會需要將多種圖表類型用在同一張可視化圖里，一種是共用坐標(biāo)軸的組合圖，例如面積圖+柱狀圖的組合、散點+折線圖就是很基礎(chǔ)的組合圖。另一種是雙坐標(biāo)軸，很常見的圖是左邊的y軸是月活，畫柱狀圖，右邊的y軸是增長率，畫折線圖。

共用坐標(biāo)軸組合圖兩例子

棒棒糖圖(Lollipop)是將條形圖的柱變得很細(xì)并突出末端的一類圖，形似棒棒糖，特別適合于展示分類標(biāo)簽很多的數(shù)據(jù)。可以通過將柱狀圖和散點圖結(jié)合的方法繪制，Matplotlib庫繪制起來并不復(fù)雜，代碼如下。但對于一些散點圖的y軸不支持分類標(biāo)簽的庫來說，要畫棒棒糖圖還是挺復(fù)雜的。

y = [5, 4, 11, 10, 15, 11, 13, 8,13,15,13,19]
x=['c'+str(i) for i in range(len(y))]

fig, ax= plt.subplots(figsize=(6,6)) 
ax.barh(x,y,height=0.08,zorder=1) #圖層順序的解決方案
ax.scatter(y,x,zorder=2,color='#ba5c25')

有時為了對比兩類數(shù)據(jù)，除了用簇狀柱形圖或簇狀條形圖外，也可以試試啞鈴圖，理解了上面畫棒棒糖圖的方法之后，要組合出啞鈴圖并不難，對數(shù)據(jù)進行一定運算后用barh加兩個scatter就可以畫出來。

棒棒糖圖和啞鈴圖

帕累托圖是雙坐標(biāo)軸的可視化典例。帕累托圖特別適合展示符合長尾效應(yīng)的數(shù)據(jù)。matplotlib給我們提供了ax.twinx()用于生成共用x軸的另一個Axes，效果就是左邊的y軸比例尺和右邊比例尺不一定一樣，能更好地將兩類圖進行效果組合。

y=[23,162,51,119,12,3,8] #模擬數(shù)據(jù)
x=[str(i) for i in range(2,len(y)+2)]
y=sorted(y,reverse=True)
ysum=sum(y)
y2=[]
cc=0
for i in y:
    cc+=i
    y2.append(cc/ysum*100)
fig = plt.figure()
ax1 = fig.add_subplot(111)
rects=ax1.bar(x,y,color='#1EAFAE')
ax1.set_ylabel('Month IC')
ax1.set_ylim(0, 180)
ax2 = ax1.twinx() 
#https://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.twinx.html#matplotlib.axes.Axes.twinx
ax2.set_ylim(0, 100)

ax2.plot(x, y2,'o',color='#FFA069',linewidth=2,ls='-')

ax2.set_ylabel('%')

for rect in rects:
    height = rect.get_height()
    ax1.annotate('{}'.format(height),
            xy=(rect.get_x() + rect.get_width() / 2, height),
            xytext=(0,1),  # 1 points vertical offset
            textcoords="offset points",
            ha='center', va='bottom')
ax1.set_title("Pareto in Matplotlib")

Matplotlib繪制帕累托圖

子圖

除了組合圖外，有時候我們也需要將多個圖并排以展現(xiàn)某種數(shù)據(jù)關(guān)系。前面說過一個畫布下可以有多套Axes，正常情況下我們只需要一套Axes用來畫圖，但是也經(jīng)常需要在一個畫布中畫多張圖，形成分面或子母圖的效果，前面我們基本都是寫fig, ax= plt.subplots()，實際上subplots()可以設(shè)置nrows、ncols參數(shù)生成多套Axes。

plt.subplots()的常用寫法有：

• plt.subplot(3,2,4):在全局繪圖區(qū)域中建立3行、2列的分區(qū)繪圖區(qū)域，并定位到第4個子圖區(qū)域，返回一個axes；

• plt.subplot(324): 效果和上面subplot(3,2,4)的寫法一致；

• plt.subplots(): 默認(rèn)1行1列，生成的axes就是一個；

• plt.subplots(3,2) : 沒有指定繪圖編號，返回值包括一個figure和多個axes，和ax[0, 0].×××(x, y)搭配著用；

• fig = plt.figure(); ax= fig.add_subplot(221):先建立一個畫布，在畫布上添加2x2個子圖，并定位到順序第一個子圖；

生成多個繪圖區(qū)域

圖中代碼在全局繪圖區(qū)域中建立n行、m列的分區(qū)繪圖區(qū)域，并定位到其中一個子圖區(qū)域。之后ax的用法和前面一致，不贅述。

生成的圖片在shell環(huán)境中彈出的界面有保存圖片的按鍵，在jupyter環(huán)境中可以點擊圖片然后右鍵保存。而如果要通過代碼保存圖片到本地，一般通過plt.savefig(fname,dpi=300)保存圖片，參數(shù)有文件保存路徑(fname)、圖片每英寸像素(dpi)、邊緣顏色(edgecolor)等。在shell環(huán)境中一般通過plt.show()展示圖片，而jupyter notebook中通常寫%matplotlib inline將圖片直接在Out[]里輸出展示。

inline-vs-show

Matplotlib的rcParams接口可以設(shè)置很多個性化內(nèi)容，包括剛提到的savefig的edgecolor默認(rèn)值，可以寫mpl.rcParams["savefig.edgecolor"]='blue'改變原來的默認(rèn)值white。直方圖的默認(rèn)分箱數(shù)可以通過rcParams["hist.bins"]=5改變。

而為了在Matplotlib中支持中文，各教程的解決方案基本都有mpl.rcParams['font.family']='SimHei'這句，就是將Matplotlib的字體替換為微軟雅黑。前面基礎(chǔ)圖表繪制部分通過更新mpl.rcParams["axes.prop_cycle"]改變了繪圖的主題色，Matplotlib本身是提供了備選的繪圖渲染的各種主題，可以通過style.use('ggplot')調(diào)用ggplot主題（想換回默認(rèn)主題用style.use('default')）。就像給輸入法換皮膚一樣，rcParams接口給了我們更多的自由度和個性化。

三維及科學(xué)可視化

三維可視化和科學(xué)可視化是Matplotlib特別擅長的領(lǐng)域，人類作為三維生物，對三維的圖像有一定的偏好，扁平化和三維各有優(yōu)勢，各有不同的應(yīng)用場合，能畫好二維可視化圖也該會畫三維的圖表，且一些場景用好三維有奇效。Matplotlib的三維可視化封裝在mpl_toolkits工具套件的mplot3d里，mplot3d下的API主要包括Axes3D(三維坐標(biāo)軸區(qū)域)、art3d.xx3D(三維圖元)和proj3d(三維坐標(biāo)變換)。

from mpl_toolkits.mplot3d import Axes3D  # noqa: F401 unused import
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.bar(df['x'],df['y'], zs=0, zdir='y', alpha=0.8)
ax.bar(df['x'],df['z'], zs=1, zdir='y', alpha=0.8)
ax.bar(df['x'],df['y'], zs=2, zdir='y', alpha=0.8)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

ax.set_yticks([0,1,2])

Matplotlib繪制三維下的3套柱圖

三維可視化和科學(xué)可視化聯(lián)系很緊密，科研作圖中應(yīng)用廣泛，各種漂亮的參數(shù)曲面在官網(wǎng)示例里有很多，這里略過、當(dāng)然二維下也能畫出很優(yōu)美的函數(shù)圖像，結(jié)合numpy生成[0,2]之間的正弦函數(shù)曲線只需要4行代碼：

t = np.arange(0.0, 2.0, 0.01)
s = 1 + np.sin(2 * np.pi * t)
fig, ax = plt.subplots()
ax.plot(t, s)

科學(xué)可視化之三角函數(shù)

繪制指數(shù)函數(shù)、分形的雪花曲線也是類似的過程，在官網(wǎng)案例集有類似的例子，具體這里不展開。

總結(jié)下本文從Matplotlib的可視化基礎(chǔ)框架一步步畫散點、折線、柱狀、箱線等圖，通過理解參數(shù)拓展畫了瀑布圖、矩陣圖、棒棒糖圖等，并且微調(diào)坐標(biāo)軸文本、標(biāo)題等圖形元素，讓可視化更完備，通過雙y軸繪制帕累托圖等組合圖，也繪制了包含多張子圖的圖和三維圖。

通過以上實踐可以看到的Matplotlib可視化語法的特點是繪圖對象和標(biāo)簽標(biāo)題等元素有一定獨立性，且有不同層級的接口可以用來微調(diào)元素，例如設(shè)置標(biāo)題就有多種寫法 ，Matplotlib不同于ggplot2的管道寫法、也不同于Altair等庫將數(shù)據(jù)傳到chart對象再調(diào)用mark_bar()等確定繪制什么圖?？梢暬且每矗膊荒芡怂宫F(xiàn)的數(shù)據(jù)與數(shù)據(jù)間的關(guān)系是重點。

本文內(nèi)容思維導(dǎo)圖

文中代碼更新于QLWeilcf/VisualizedLyn。本文七千多字，從基礎(chǔ)圖表入手拆解對應(yīng)繪制函數(shù)的重點參數(shù)，一共22張圖，基本都是個人繪制和排版的，個人認(rèn)為較系統(tǒng)講了Matplotlib的用法和核心功能，下篇會實踐更有趣的內(nèi)容。
有任何建議歡迎留言交流。

最后用極坐標(biāo)繪心形線結(jié)束本文。

#極坐標(biāo)繪心形線
import numpy as np
theta= np.arange(0, 2*np.pi, 0.05)
r=5*(1-np.sin(theta)) #a取5
ax = plt.subplot(111, projection='polar')
ax.plot(theta, r,lw=3)
ax.grid(True)
ax.text(1.56,6,'r=a(1-sinθ)',ha='center',
        fontsize=18,color='#1EAFAE')

極坐標(biāo)繪心形線