Matplotlib 是一個用于數據可視化的 Python 模塊。Matplotlib 和 Pandas 可作為互補工具，因為前者內建了大量的圖表庫，進一步提高了數據的可視性。

這篇教程雖然沒有辦法完全介紹 Matplotlib 的每一個細節(jié)，但我們還是可以嘗試覆蓋 Matplotlib 的各種基礎功能，包括幾個比較有趣的進階項目。

閱讀這篇教程需要具有一定的 Python 和 Pandas 基礎，如果之前對 Python 完全沒有任何了解，歡迎查看我們之前的相關教程：

【Python 核心庫】Numpy 實景教程與練習

【Python 教程】使用 Pandas 整理數據

基礎線形圖

創(chuàng)建最簡單的線形圖只需要一行代碼，隨后通過?plt.show()?展示圖表即可：

基礎散點圖

繪制散點圖前，我們先來看看?plt.plot()?的參數內容：（x, y,?格式）。這個格式其實是顏色、標記、線條的縮寫。舉個例子：

'go-'?為綠色（green）、圓點、無線條，那樣輸出的圖形便是散點圖。

'r*--'?為紅色（red）、星形、虛線

'ks.'?為黑色（black）、方形（square）、點線

'bD-.'?為藍色（blue）、菱形（diamond）、點劃線

這些例子無需硬背，有需要的時候輸入并運行?help(plt.plot)?即可。

復合圖形

功能強大的 Matplotlib 自然不會滿足于單個圖形，接下來這段將分為兩個部分：在同一圖表中繪制多個數據以及在同一窗口中繪制多個不同的圖表。

在同一圖表中繪制多個數據

這個其實很簡單，只需要重復編寫?plt.plot()?就可以了。加上標題、標簽名稱和圖例即可輸出以下效果：

繪制多個不同的圖表

我們在 Matplotlib 中繪制圖表時，其實是在一個類似畫布的?figure?中加入各種各樣的元素，而這里面的子圖被稱之為?axes（與 XY axis 軸并不相同）。一般而言，一個圖表至少擁有一個子圖。當我們有多個子圖時，這些圖表就會通過行列排序。

如果我們要在同一個畫布中繪制多個子圖，應使用的函數為?plt.subplots(1, 2)。其中，數字 1、2 分別表示子圖代號，原本的?plt.plot()?需要分別改成?ax1.plot()?和?ax2.plot()。

在?plt.subplots()?設置?sharey=True?能讓兩個子圖在 Y 軸上平行，而 dpi 則可以調整圖標的清晰度。

進階圖形

Matplotlib 的圖庫遠比點線圖豐富，即使是更多的圖表、曲線圖都不在話下，我們甚至還可以調整各種參數修改圖表大小和背景顏色等。由于篇幅限制，這里只放出幾個進階圖形的參考圖，有需要的小伙伴可以通過代碼傳送門在線查看 Python 代碼，也可以參考?Matplotlib 的官方文檔。

繪制多個圖表

這一組圖表使用了 numpy 模塊的?randint?隨機數和?for?循環(huán)實現：

打開?fourPlots.py?項目查看代碼：https://55911a1851-share.lightly.teamcode.com

繪制曲線圖（正余弦波）

打開?sincosWave.py?項目查看代碼：https://55911a1851-share.lightly.teamcode.com

調整背景顏色

Matplotlib 自帶的樣式代碼：

打開?plotBackground.py?項目查看代碼：https://55911a1851-share.lightly.teamcode.com

添加注釋

plt.text?和?plt.annotate?可以分別為圖表添加文本和注釋。如果你想要添加多個注釋，還可以通過 for 多次循環(huán)?plt.text()?函數。

打開?plotAnnotate.py?項目查看代碼：https://55911a1851-share.lightly.teamcode.com

調整子圖大小

我們可通過 Matplotlib 自帶的兩個函數繪制多子圖的布局，即?plt.subplot2grid?和?plt.GridSpec。

我們甚至還可以在主圖上添加子圖：

打開?subplotSize.py?及?plotinPlot.py?項目查看代碼：https://55911a1851-share.lightly.teamcode.com

泡沫圖、柱狀圖、箱型圖和時間序列

我們可以通過?plt.scatter()?函數動態(tài)改變某個點的顏色和大小，形成泡沫圖的效果，甚至還可以關聯(lián) pandas 數據。

此外，我們還可以通過?plt.step()、plt.hist()、plt.boxplot()、plt.bar()?繪制不同的圖表效果：

打開?bubblePlot.py?及?assortedPlot.py?項目查看代碼：https://55911a1851-share.lightly.teamcode.com

本篇介紹的圖形應用場景各有不同，大家可以根據自己的需求進行嘗試。