1.3.3 Matplotlib库应用入门

Matplotlib是Python的绘图库，具有强大的绘图功能。pyplot是Matplotlib库中的一个模块，它提供了类似于MATLAB的绘图接口，是数据可视化的好帮手，能够绘制2D、3D等图像。接下来简单介绍Matplotlib库的使用。

下面先介绍使用Matplotlib库绘图的准备工作：

上述程序先导入Matplotlib库中的pyplot模块，并命名为plt。为了在Jupyter Notebook中显示图像，需要使用“%matplotlib inline”命令；为了绘制3D图像，需要引入三维的坐标系系统Axes3D。由于Matplotlib库默认不支持中文文本在图像中的显示，为了解决这个问题，可以使用matplotlib.rcParams['axes.unicode_minus']=False语句，同时可以导入Seaborn数据可视化库，使用其中的set()方法设置可视化图像时的基础设置。例如，参数font指定图中文本使用的字体，参数style设置坐标系的样式，参数font_scale设置字体的显示比例。

1.二维可视化图像

针对使用Matplotlib库的二维数据可视化，下面先展示一个简单的曲线可视化的示例，程序如下所示：

在上面的程序中，首先生成X轴和Y轴的坐标数据，然后使用plt.figure()定义一个图像窗口，并使用参数figsize=（10，6）指定图像的宽和高，使用plt.plot()绘制图像对应的坐标X和Y，其中第三个参数"r-＊"代表绘制红色曲线星形图，使用plt.xlabel()定义X轴的标签名称，使用plt.ylabel()定义Y轴的标签名称，使用plt.title()指定图像的名称，使用plt.grid()在图像中显示网格线，最后使用plt.show()查看图像。得到的曲线图如图1-13所示。

使用Matplotlib库还可以在一个图像上绘制多个子图，以便从多方面、多角度对数据进行观察。下面可视化一个包含3个子图的图像，程序如下所示：

这个例子分别绘制了曲线图、直方图和阶梯图。plt.subplot（2，2，1）表示将当前图像分成4（2×2）个区域，并在第一个区域绘图。在第一个子图中指定X轴的标签名称时，使用plt.xlabel（r"$\alpha$"）来显示，其中"$\alpha$"表示latex公式。plt.subplot（2，2，2）表示开始在第二个区域绘制图像，plt.hist（histdata，10）表示将数据histdata分成10份来绘制直方图。而在可视化第三个子图时，使用plt.subplot（2，1，2）表示将图形区域重新划分为2（2×1）个窗口，并且指定在第三个窗口中作图，这样原始的2×2的4个子图的第三个和第四个子图组合为一个新的子图窗口。plt.step（X，Y，c="r"，label="sin（x）"，linewidth=3）表示绘制阶梯图，并且指定线的颜色为红色，线宽为3；plt.legend（loc="lower right"，fontsize=16）可以为图像在指定的位置添加图例，字号大小为16；plt.xticks（xtick，xticklabel，rotation=45）表示通过plt.xticks()来指定X轴的刻度所显示的内容，并且可以通过rotation=45将其逆时针旋转45°；plt.subplots_adjust（hspace=0.35）表示调整子图之间的水平间距，使子图之间没有遮挡，最终的数据可视化图像如图1-14所示。

2.三维可视化图像

使用Matplotlib库还可以绘制三维图像。绘制三维图像曲面图和空间散点图的示例如下所示：

在上面的可视化程序中，先使用np.meshgrid()函数准备可视化需要的网格数据；然后针对图像窗口使用fig.add_subplot（111，projection="3d"）初始化一个3D坐标系ax1；接着使用ax1.plot_surface()函数绘制曲面图，使用ax1.contour()函数为图像添加等高线；最后设置各个轴的标签和可视化范围。运行程序获得的图像如图1-15所示。

同样，在一幅图像中可以绘制多个3D图像，可视化3D曲线图和3D散点图的程序如下所示：

上面的程序在可视化3D图像时使用的是3个一维向量数据，分别指定X轴、Y轴和Z轴的坐标位置，然后可视化3D曲线图和3D散点图。运行程序获得的图像如图1-16所示。