一、Matplotlib库的简述

Matplotlib是一个基于Python编程语言的创建静态、动态和人机交互式数据可视化的综合库（常用于数据分析、数据挖掘及基础的科研绘图等）。

Matplotlib通常与Pandas、Numpy共同使用。

二、Matplotlib中绘图的常见关键参数（所有图源[1]）

（一）Figure（图形框）的组成结构

基础的图形绘制框由Legend（图例，说明）、Title（图表标题）、Grid（网格点）、Spine（图表封闭边框线）、Axes（数据绘制区域块，通常包含Axis对象并提供tick尺度信息）、Markers（数据点）、LIne（绘制线）、Axis（数据轴，设置尺度范围与生成tick及tick label）、Major tick（主刻度线—单位）及标签值、Minor tick（辅助估读刻度线）及标签值和Axis label（数据轴名称）组成。

实际上，Axes区域可以理解为各Axis单位长交汇出的区域，其一般包含了Axis对象。

（二）组合创建对象的参数解释（基于面向对象思想）

Ⅰ matplotlib.pyplot.figure（）——仅生成画板

num（int或str或Figure或SubFigure）：图形框实体独有的标识符，用于创建或激活Figure对象（Figure可以自动标识编码）；

figsize（（float，float）或default）:设置初始的Figure图形框大小（Width，Height），后续可拖拉图形框调整；

dpi（float或default）:图形框的分辨率，图像每英寸长度内的像素点数。该参数受到显示器分辨率的限制（查看计算机的显示器分辨率步骤：右键屏幕空白处->显示设置->显示器分辨率）；

facecolor（color或default）:图形框背景色；

edgecolor（color或default）:图形框边界线颜色；

frameon（bool或default）:是否绘制图形框的框架；

FigureClass（subclass of Figure，Figure子类）:创建Figure子类实例；

clear（bool或default）:是否清空指定图形框内容；

layout（{‘constrained’，‘tight’，LayoutEngine，None}或default）:定位绘画元素，避免Axes装饰重叠（控制子图标签覆叠）。constrained，限制模式；tight，固定模式。

Ⅱ matplotlib.pyplot.subplots（）——同时生成画板及画纸区域（返回Figure和Axes数组）

该方法适用于多个相同设计布局的绘制，可同时对Figure对象进行设计。

nrows,ncols(int或default):定位安置多个画纸（即设置Axes区域），总画纸数=nrows×ncols；

sharex,sharey(bool或{‘none’，‘all’，‘row’，‘col’}):画纸是否共享axes属性，即是否共用坐标轴。一般为在列上共用x轴、在行上共用y轴、全部共用和相互独立；

squeeze(bool):处理Axes object的记录返回格式（控制返回参数ax）；

width_ratios(array-like of length ncols):设置不同列的宽度（默认则全部宽度一致）；

height_ratios(array-like of length nrows):设置不同行的宽度（默认则全部宽度一致）；

subplot_kw(dict):组织群参数关键字字典通过add_subplot（）函数创建画纸；

gridspec_kw(dict):组织群参数关键字字典通过GridSpec设计器创建画纸所用格网。

Ⅲ matplotlib.pyplot.subplot（）——单次生成画纸区域（返回axes.SubplotBase）

*args(int（此处应为三位整数）或（int，int，index）或SubplotSpec):画纸在画板上放置位置的描述。前两位int即类似Ⅱ的nrows、ncols设计画纸布局，但是这里仅绘制一个Axes，因此前两位int相当于设计上的占位，而index则为画纸定位（index范围为[1-int×int]，自上向下且自左向右编号）；

projection({None，‘aitoff’，‘hammer’，‘lambert’，‘mollweide’，‘polar’，‘rectilinear’，str}):Axes的投影类型。str为自定义投影方式，默认为‘rectilinear’投影；

polar(bool):设置是否为极坐标系；

sharex,sharey(Axes):设置当前画纸的刻度、范围限制、尺度等都和输入Axes一致；

label(str):为返回的Axes设置标签。

Ⅳ add_subplot()——配合Ⅰ使用

基本参数与Ⅲ几乎一致，但是此处add_subplot应基于Ⅰ创建出来的画板实例使用。

该函数可以实现Figure.add_subplot（int，int，（int1，int2））功能，使得不同画纸可以占据不同大小。int1代表当前画纸的左上定位点，int2代表当前画纸的右下定位点。

举例：左（2，2，（1，3））| 右（2，2，（1，4））

Ⅴ matplotlib.axes.Axes.stem() — 点位茎杆图

locs(array-like)：茎杆坐标轴根部点，与orientation相关。若orientation为vertical，则茎杆根部坐标轴为x轴；若orientation为horizontal，则茎杆根部坐标轴为y轴；

heads(array-like):茎杆的头部点；

linefmt(str):定义茎杆线段的颜色及线条类型；

markerfmt(str):定义茎杆头部标记点的颜色及形状；

basefmt(str):定义基线的特性；

orientation(str,{'vertical','horizontal'}):定义茎杆绘制的方向；

bottom(float):依赖于orientation，定义y轴与x轴的定位信息；

label(str):图例标识；

use_line_collection(bool):茎杆线条对象类型保存和绘制设置；

data(indexable object):提供数据数组。

Ⅵ matplotlib.axes.Axes.plot() — 绘制标记点或函数曲线，具体可选参数详见参考资料[7]

x，y(array-like / scalar，绘制方式一):对应因变量与自变量或坐标系下对应表示点坐标；

fmt(str):线条类型设置（线条形状、标记点形状、颜色）；

data(indexable，绘制方式二):利用带标签的数据对象（有序）进行绘制；

scalex,scaley(bool):设置视图限制范围适应于数据限制范围；

**kwargs(Line2D类特性设置):

常用于多曲线同步绘制分析，并设置绘制曲线的各类特性信息（包括曲线标签、线宽、标记点颜色、曲线抗锯齿设置（antialiasing））。

Ⅶ matplotlib.axes.Axes.scatter() —离散点图绘制

x,y(float / array-like):数据点的坐标；

s(float / array-like):标记点大小设置（标记点大小可根据数据变化）；

c(array-like / list of colors):设置标记点的颜色；

marker(MarkerStyle类对象):设置标记点的类型；

cmap(str / Colormap类对象):利用Colormap实例或标量映射颜色的注册Colormap来设置绘制颜色；

norm(str / Normalize):在使用cmap进行颜色映射时，将标量数据放缩至[0,1]范围内；

vmin,vmax(float):如果在使用标量但是没有明确归一化的情况下，vmin和vmax可以定义颜色映射的覆盖范围；

alpha(float):数值范围为[0,1]，调节颜色透明度，0为透明（transparent），1为不透明（opaque）；

linewidths(float / array-like):线宽；

edgecolors({’face‘，’none‘，None}或color或sequence of color):标记点形状的边界颜色设置；

plotnonfinite(bool):是否绘制非限定的点位，即异常数据（inf、nan、-inf）。

Ⅷ matplotlib.pyplot.show() —显示所有开启状态的Figure

（三）绘制输入数据要求

Matplotlib绘制函数的输入数据格式主要为Numpy的ndarray数据格式，常规的数据格式转换可采用Numpy.asarray（）或Numpy.array（）函数（例如Pandas.DataFrame、Numpy.matrix等）。

Numpy.asarray（）与Numpy.array（）的区别主要在于，若输入为Numpy.ndarray格式，那么前者相当于对原数组直接裁剪，而后者相当于对原数组进行深度复制。

三、Matplotlib绘图示例

（一）普通曲线、柱状二维平面图制作

1、常见函数绘制

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

# 在所设置的数域区间内形成等差数列，
# 当endingPoint=True时，公差=（stop-start）/（n-1）
x = np.linspace(2,4,50)
fig,ax = plt.subplots(figsize=(5,8),layout="constrained")
# 在axes画布区域进行常见函数绘制
ax.plot(x,x,label="y=x")
ax.plot(x,x**2,label="y=x^2")
ax.plot(x,x**3,label="y=x^3")
ax.plot(x,np.log(x),label="y=ln(x)")
ax.plot(x,1/x,label="y=1/x")
ax.plot(x,pow(2,x),label="y=2^x")
# axes区域的设计
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_title("Function Plot")
ax.legend()
# 图形显示
plt.show()

2、两组不同数据的同一绘制方法分离绘制

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

# 辅助绘制函数
def myPlot(ax,x,y,param_dict):
    out = ax.plot(x,y,**param_dict)
    return out

# 在所设置的数域区间内形成等差数列，
# 当endingPoint=True时，公差=（stop-start）/（n-1）
x = np.linspace(2,4,50)
# 利用列表解析方法生成y
y1 = [i for i in x]
y2 = [i**3 for i in x]
y = [y1,y2]
fig,(ax1,ax2) = plt.subplots(1,2,figsize=(5,3),layout="constrained")
ax = [ax1,ax2]
# 在axes画布区域进行绘制
for i in range(len(y)):
    myPlot(ax[i],x,y[i],{'marker':'o'})
# axes区域的设计
ax1.set_xlabel("x1")
ax1.set_ylabel("y1")
ax2.set_xlabel("x2")
ax2.set_ylabel("y2")
# 图形显示
plt.show()

3、柱状图绘制

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

fig,ax = plt.subplots(figsize=(5,2.7),layout='constrained')
categories = ["cucumber","apple","banana","watermelon"]
num = [200,500,400,700]
ax.bar(categories,num)
# axes区域的设计
ax.set_xlabel("category")
ax.set_ylabel("amount")
# 图形显示
plt.show()

4、Color mapped data数据图绘制

需要注意的是，当一个画板中仅设置了一行的画布，那么其返回的画布索引列为一维数组。

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

# 构成网格矩阵数据（x,y,z）
# 若meshgrid中，sprse=True（数据稀疏展示）则具有numpy的broadcast性质
x,y = np.meshgrid(np.linspace(-3,3,100),np.linspace(-3,3,100))
z = x+y
# 构建画板与画布
fig,ax = plt.subplots(1,2,layout="constrained")
# 一画布（z单值对应一种色调）
# vmin和vmax是根据z的取值范围设置的颜色映射域（若z值有超出vmin、vmax的值则按临界颜色显示）
pc = ax[0].pcolormesh(x,y,z,vmin=-6,vmax=6,cmap="RdBu_r")
fig.colorbar(pc,ax=ax[0])
ax[0].set_title("pcolormesh")
# 二画布（z一段值域对应一种颜色）
pc2 = ax[1].contourf(x,y,z,levels=np.linspace(-6,6,13))
fig.colorbar(pc2,ax=ax[1])
ax[1].set_title("contourf")
# 显示
plt.show()

（二）动态柱状图制作(附加结合pynimate库)

具体详见参考资料[6]

（三）表格制作(附加结合plottable库)

具体详见参考资料[5]

（四）三维曲面制作

import numpy as np
from matplotlib import cm
import matplotlib.pyplot as plt

# 创建画板
fig = plt.figure()
# 添加画布
ax = fig.add_subplot(projection='3d')
x,y = np.meshgrid(np.arange(-5,5,0.25),np.arange(-5,5,0.25))
z = np.sin(np.sqrt(x**2+y**2))
pc = ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap=cm.coolwarm,linewidth=0)
# 设置z轴显示范围
ax.set_zlim(-1.01,1.01)
fig.colorbar(pc,shrink=0.5,aspect=10)
# 显示
plt.show()

（五）图像展示

import os
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

Filepath = r"D:\ThirdGhomework\CV\HelloRS32\2CultivatedLand"
imgNames = os.listdir(Filepath)
fig,ax = plt.subplots(1,10,figsize=(15,15))
for i in range(10):
    imgPath = os.path.join(Filepath,imgNames[i])
    img = mpimg.imread(imgPath)
    ax[i].imshow(img)
    ax[i].set_title("CultivatedLand",fontsize=8)
plt.show()