matplotlib
matplotlib是一个专门用来绘图的库，在分析数据的时候，使用它可以将数据进行可视化，更直观的呈现。下面是几个通过matplot绘制的图
文章目录
1.简单入门
import matplotlib.pyplot as plt
%matplotlib inline
plt.figure()
plt.plot([1,2,3],[3,5,7])
plt.show()
2.图像结构
其他说明：
一个figure(画布)可以包含多个axes(坐标系/绘图区)，但是一个axes只能属于一个figure。
一个axes(坐标系/绘图区)可以包含多个axis(坐标轴)，包含两个即为2d坐标系，3个即为3d坐标系
辅助显示层为Axes(绘图区)内的除了根据数据绘制出的图像以外的内容，主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。该层的设置可使图像显示更加直观更加容易被用户理解，但又不会对图像产生实质的影响。
3.pyplot基本绘图功能介绍
matplotlib是受MATLAB的启发构建的。MATLAB是数据绘图领域广泛使用的语言和工具。MATLAB语言是面向过程的。利用函数的调用，MATLAB中可以轻松的利用一行命令来绘制直线，然后再用一系列的函数调整结果。
matplotlib有一套完全仿照MATLAB的函数形式的绘图接口，那就是matplotlib.pyplot。pyplot是Matplotlib的子库，它提供了和matlab类似的绘图API，方便用户快速绘制2D图表。pyplot中基本包含了matplotlib的全部功能，我们一般也是对它进行操作的。
在使用的时候，我们可以通过下面语句进行数据的导入：
import matplotlib.pyplot as plt
import matplotlib.pyplot as plt # 导入模块
# 1）创建画布(容器层)
plt.figure(figsize=(10, 5)) # 10为绘图对象长度，5为宽度
# 2）绘制折线图(图像层)
plt.plot([1, 2, 3, 4, 5, 6 ,7], [17,17,18,15,11,11,13])
# 3）显示图像
plt.show()
结果
3.1创建画布
每次我们打算绘制一个图形的时候，都需要一个画布，有的地方也称它为绘图对象。一般用plt.figure()函数来创建一个画布，比如：
通过figsize参数，我们可以设置画布的长度和宽度，单位是英寸；通过dpi参数，我们可以指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80。上面例子中，图像的宽度为：10*80=800像素。可以看到和下面的结果是一致的。
3.2绘制图像
我们通常使用plt.plot来绘制一个图像。我们绘制图像的时候是需要一个画布的，我们可以使用上面的figure来具体设置一个画布，如果不需要精确设置画布的话，我们使用plot时，Matplotlib会自动帮我们生成一个画布。
下面是两个例子，他们设置的效果是一样的：
plt.plot(x, y, label="$cos($x^2)", color="red", linewidth=2)
plt.plot(x, y, "r-", label="cos($x^2)$")
让我们通过例子了解一下这几个参数：
（1）x、y：这两个数很容易理解，就是两个变量。我们在坐标轴上要确定一个点往往要确定两个值：横坐标值和纵坐标值。我们绘制图像的时候有很多种，有折线图和曲线图，都可以用它来设置。具体它们两个设置的区别会在后面例子中讲解。
（2）第三个参数：在第二个例子中，我们设置了第二个参数"r-"，它的意思是设置红色的实线。
3）label：设置图例中的内容。有时我们需要添加的是一些数据公式，我们可以在字符串前后添加“
符号，比如：r"
"。中间的反斜杠是因为$中空格是不识别的，要加反斜杠进行转义，这样显示的英文字体会好看很多。
（4）color：如果我们不使用第三个参数的设置，这个参数可以用来指定线条颜色。
（5）linewidth：用于指定曲线的宽度。
3.3图像输出
图像的输出有两种方式，一个是在直接显示，一个是保存成图片到本地
（1）直接显示
我们可以通过plt.show()函数显示图像，显示后会释放画布资源，如果在显示图像之后保存图片，将只能保存空图片。
（2）保存图片到本地
我们可以通过plt.savefig()函数将图像保存到指定路径，这里需要注意：如果直接显示和保存到本地都要有的话，保存到本地的操作要写到show函数前。比如：plt.savefig(“D:\demo.png”)。
我们还可以通过设置dpi参数指定图像的分辨率，比如：plt.savefig(“D:\demo.png”, dpi=120)。
3.4辅助显示层
我们通过plt.plot函数绘制完图形之后，是一个很朴素的图，所有我们通常会加入辅助显示层来让整个图像变得丰满，下面会介绍几个常用的设置。
（1）显示图例
如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来，比如：
plt.legend(loc="best")
它的其他参数设置，如下图所示：
注意：如果设置为best，matplotlib会自动找一个合适的位置显示图例。
（2）设置当前绘图区标题
比如：plt.title(“我的Matplotlib图”)。
（3）X、Y轴标题
比如：plt.xlabel(“时间”)、plt.ylabel(“温度”)
（4）添加网格线
添加网格线我们使用函数：plt.grid()
3.5综合例子
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 100) # 生成-3到3范围内的100个点。
y = x*4+1
z = x**2
plt.figure(figsize=(8,4))
plt.plot(x, y, label="$x*2+1$", color="red", linewidth=2)
plt.plot(x, z, "b--", label="$X^2$")
plt.plot([1, 2, 3, 4, 5, 6 ,7], [7,7,8,5,0.3,1,0.3], "k:", label="折线图")
plt.grid()
plt.legend(loc="best")
plt.show()
结果
4.Matplotlib三层架构总结
容器层
- 画板 Canvas
- 画布 Figure
- 绘制图形区 Axes
X轴
Y轴
辅助显示层
- 网格
- 刻度
- 刻度说明
- 图例说明
图像层
- 折线图
- 散点图
- 柱状图
- 饼图
- 直方图
