matplotlib教程学习笔记
这篇教程旨在展示如何开始、完善、结束可视化过程。我们将以一些原始的数据为开端，以保存可视化的图片为结尾。在其过程中，我们会展示一些整洁的特性和实用的练习。
Note
- figure对象是图片的最终体，可能包含1个或多个Axes对象
- Axes对象代表独立的plot，请不要把它和axis（坐标轴）混淆
数据
# sphinx_gallery_thumbnail_number = 10
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter
data = {'Barton LLC': 109438.50,
'Frami, Hills and Schmidt': 103569.59,
'Fritsch, Russel and Anderson': 112214.71,
'Jerde-Hilpert': 112591.43,
'Keeling LLC': 100934.30,
'Koepp Ltd': 103660.54,
'Kulas Inc': 137351.96,
'Trantow-Barrows': 123381.38,
'White-Trantow': 135841.99,
'Will LLC': 104437.60}
group_data = list(data.values())
group_names = list(data.keys())
group_mean = np.mean(group_data)
准备开始
第一步，我们先创建一个figure对象和axes对象，subplots可以替我们完成这项工作。
fig, ax = plt.subplots()
第二步，现在我们已经有了一个Axes实例，可以开始着手在上面“作画”了。
ax.barh(group_names, group_data) #水平柱状图
操控风格
matplotlib拥有许多的绘图风格，我们可以通过plt.style来查看。
print(plt.style.available)
['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']
style = plt.style.available
n = len(style)
fig, axs = plt.subplots( n // 4 + 1, 4, figsize=(10, 20), sharex='all', sharey='all')# n//4+1 * 4 个axes
#figsize=(width,height)!!! 像素大小为width*10 * height*10
count = 0
try:
for i in range( n // 4 +1):
for j in range(4):
count += 1
if count == n:
raise ValueError
plt.style.use(style[count])
axs[i, j].barh(group_names, group_data)
axs[i, j].set_title(style[count])
except ValueError: pass
plt.show()
风格控制背景色，线宽等许多特性（虽然我从上图没看出什么来）。
我错了！！！
经过实验，发现plt.style.use语句必须在fig对象创建前，而且这个style好像只能统管整个fig，所以我试图一个fig不同Axes不同style的计划就这么失败了。不知道有什么办法能够解救一下。
定制图像
我已经拥有了比较普通的图像， 我们可以为其添加一些微妙的有趣的变化。比方说，让x轴的标签旋转。
首先，我们要获得x轴上的标签
fig, ax = plt.subplots()
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
使用pyplot.setp()函数可以便捷地调整属性
fig, ax = plt.subplots()
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')
使用
plt.rcParams.update({'figure.autolayout': True})
命令matplotlib来自动排版，使得字体不要超出（可能由于后端的问题，测试图片并没有出现这种情况。）
接下来，我们使用axes.Axes.set()来为Axes添加标题等属性，当然，这项工作也可以由setp()来完成。
fig, ax = plt.subplots()
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')
ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
title='Company Revenue')
#plt.setp(ax, xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company', title='Company Revenue')
特别注意！！！ figsize=(width, height)！！！
特别注意，figsize属性是widthheight, 与像素的关系是(width10) * (height*10)，是10倍关系。
fig, ax = plt.subplots(figsize=(8, 4))
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')
ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
title='Company Revenue')
格式化标签
def currency(x, pos):
"""The two args are the value and tick position"""
if x >= 1e6:
s = '${:1.1f}M'.format(x*1e-6)
else:
s = '${:1.0f}K'.format(x*1e-3)
return s
formatter = FuncFormatter(currency) #通过FuncFormatter可以定制标签
fig, ax = plt.subplots(figsize=(6, 8))
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')
ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
title='Company Revenue')
ax.xaxis.set_major_formatter(formatter)
组合多个可视化对象？
def currency(x, pos):
"""The two args are the value and tick position"""
if x >= 1e6:
s = '${:1.1f}M'.format(x*1e-6)
else:
s = '${:1.0f}K'.format(x*1e-3)
return s
formatter = FuncFormatter(currency)
fig, ax = plt.subplots(figsize=(8 , 8))
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')
# Add a vertical line, here we set the style in the function call
ax.axvline(group_mean, ls='--', color='r')
# Annotate new companies
for group in [3, 5, 8]:
ax.text(145000, group, "New Company", fontsize=10,
verticalalignment="center")
# Now we'll move our title up since it's getting a little cramped
ax.title.set(y=1.05)
ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
title='Company Revenue')
ax.xaxis.set_major_formatter(formatter)
ax.set_xticks([0, 25e3, 50e3, 75e3, 100e3, 125e3])
fig.subplots_adjust(left=0.3, right=0.8) #感觉改了啊，跟例子的不一样了 left,right后面的地方估计直接都是从左往右计了吧
plt.show()
[图片上传中...(image.png-5931a1-1552124449964-0)]
保存你的图片
# fig.savefig('sales.png', transparent=False, dpi=80, bbox_inches="tight")
transparent = True, 背景色设置为透明，如果支持的话
dpi: 控制解析度（dots per square inch）
bbox_inches="tight" fits the bounds of the figure to our plot.
支持哪些格式呢
print(fig.canvas.get_supported_filetypes())
{'ps': 'Postscript', 'eps': 'Encapsulated Postscript', 'pdf': 'Portable Document Format', 'pgf': 'PGF code for LaTeX', 'png': 'Portable Network Graphics', 'raw': 'Raw RGBA bitmap', 'rgba': 'Raw RGBA bitmap', 'svg': 'Scalable Vector Graphics', 'svgz': 'Scalable Vector Graphics', 'jpg': 'Joint Photographic Experts Group', 'jpeg': 'Joint Photographic Experts Group', 'tif': 'Tagged Image File Format', 'tiff': 'Tagged Image File Format'}