Python 繪圖庫 Matplotlib 入門教程_python

Matplotlib是一個Python語言的2D繪圖庫，它支援各種平台，並且功能強大，能夠輕易繪製出各種專業的映像。本文是對Python 繪圖庫 Matplotlib 入門教程，感興趣的朋友一起來學習一下吧

運行環境

由於這是一個Python語言的軟體包，因此需要你的機器上首先安裝好Python語言的環境。關於這一點，請自行在網路上搜尋擷取方法。

關於如何安裝Matplotlib請參見這裡：Matplotlib Installing。

筆者推薦大家通過pip的方式進行安裝，具體方法如下：

sudo pip3 install matplotlib

本文中的源碼和測試資料可以在這裡擷取：matplotlib_tutorial

本文的程式碼範例會用到另外一個Python庫：NumPy。建議讀者先對NumPy有一定的熟悉，我之前也寫過一個NumPy的基礎教程，參見這裡：Python 機器學習庫 NumPy 教程。

本文的代碼在如下環境中測試：

• Apple OS X 10.13

• Python 3.6.3 matplotlib 2.1.1

• numpy 1.13.3

介紹

Matplotlib適用於各種環境，包括：

• Python指令碼

• IPython shell Jupyter notebook

• Web應用伺服器

• 使用者圖形介面工具包

使用Matplotlib，能夠的輕易產生各種類型的映像，例如：長條圖，波譜圖，橫條圖，散佈圖等。並且，可以非常輕鬆的實現定製。

入門程式碼範例

下面我們先看一個最簡單的程式碼範例，讓我們感受一下Matplotlib是什麼樣的：

# test.pyimport matplotlib.pyplot as pltimport numpy as npdata = np.arange(100, 201)plt.plot(data)plt.show()

這段代碼的主體邏輯只有三行，但是它卻繪製出了一個非常直觀的線性圖，如下所示：

對照著這個線形圖，我們來講解一下三行代碼的邏輯：

• 通過np.arange(100, 201)產生一個[100, 200]之間的整數數組，它的值是：[100, 101, 102, … , 200]

• 通過matplotlib.pyplot將其繪製出來。很顯然，繪製出來的值對應了圖中的縱座標（y軸）。而matplotlib本身為我們設定了圖形的橫座標（x軸）：[0, 100]，因為我們剛好有100個數值

• 通過plt.show()將這個圖形顯示出來

這段代碼非常的簡單，運行起來也是一樣。如果你已經有了本文的運行環境，將上面的代碼儲存到一個文字檔中（或者通過Github擷取本文的源碼），然後通過下面的命令就可以在你自己的電腦上看到上面的圖形了:

python3 test.py

注1：後面的教程中，我們會逐步講解如何定製圖中的每一個細節。例如：座標軸，圖形，著色，線條樣式，等等。

注2：如果沒有必要，下文的會去掉圖形外側的邊框，只保留圖形主體。

一次繪製多個圖形

有些時候，我們可能希望一次繪製多個圖形，例如：兩組資料的對比，或者一組資料的不同展示方式等。

可以通過下面的方法建立多個圖形：

多個figure

可以簡單的理解為一個figure就是一個圖形視窗。matplotlib.pyplot會有一個預設的figure，我們也可以通過plt.figure()建立更多個。如下面的代碼所示：

# figure.pyimport matplotlib.pyplot as pltimport numpy as npdata = np.arange(100, 201)plt.plot(data)data2 = np.arange(200, 301)plt.figure()plt.plot(data2)plt.show()

這段代碼繪製了兩個視窗的圖形，它們各自是一個不同區間的線形圖，如下所示：

註：初始狀態這兩個視窗是完全重合的。

多個subplot

有些情況下，我們是希望在同一個視窗顯示多個圖形。此時就這可以用多個subplot。下面是一段程式碼範例：

# subplot.pyimport matplotlib.pyplot as pltimport numpy as npdata = np.arange(100, 201)plt.subplot(2, 1, 1)plt.plot(data)data2 = np.arange(200, 301)plt.subplot(2, 1, 2)plt.plot(data2)plt.show()

這段代碼中，除了subplot函數之外都是我們熟悉的內容。subplot函數的前兩個參數指定了subplot數量，即：它們是以矩陣的形式來分割當前圖形，兩個整數分別指定了矩陣的行數和列數。而第三個參數是指矩陣中的索引。

因此，下面這行代碼指的是：2行1列subplot中的第1個subplot。

plt.subplot(2, 1, 1)

下面這行代碼指的是：2行1列subplot中的第2個subplot。

plt.subplot(2, 1, 2)

所以這段代碼的結果是這個樣子：

subplot函數的參數不僅僅支援上面這種形式，還可以將三個整數（10之內的）合并一個整數。例如：2, 1, 1可以寫成211，2, 1, 2可以寫成212。

因此，下面這段代碼的結果是一樣的：

import matplotlib.pyplot as pltimport numpy as npdata = np.arange(100, 201)plt.subplot(211)plt.plot(data)data2 = np.arange(200, 301)plt.subplot(212)plt.plot(data2)plt.show()

subplot函數的詳細說明參見這裡：matplotlib.pyplot.subplot

常用圖形樣本

Matplotlib可以產生非常多的圖形式樣，多到令人驚歎的地步。大家可以在這裡：Matplotlib Gallery 感受一下。

本文作為第一次的入門教程，我們先來看看最常用的一些圖形的繪製。

線性圖

前面的例子中，線性圖的橫軸的點都是自動產生的，而我們很可能希望主動設定它。另外，線條我們可能也希望對其進行定製。看一下下面這個例子：

# plot.pyimport matplotlib.pyplot as pltplt.plot([1, 2, 3], [3, 6, 9], '-r')plt.plot([1, 2, 3], [2, 4, 9], ':g')plt.show()

這段代碼可以讓我們得到這樣的圖形：

這段代碼說明如下：

plot函數的第一個數組是橫軸的值，第二個數組是縱軸的值，所以它們一個是直線，一個是折線； 最後一個參數是由兩個字元構成的，分別是線條的樣式和顏色。前者是紅色的直線，後者是綠色的點線。關於樣式和顏色的說明請參見plot函數的API Doc：matplotlib.pyplot.plot

散佈圖

scatter函數用來繪製散佈圖。同樣，這個函數也需要兩組配對的資料指定x和y軸的座標。下面是一段程式碼範例：

# scatter.pyimport matplotlib.pyplot as pltimport numpy as npN = 20plt.scatter(np.random.rand(N) * 100,   np.random.rand(N) * 100,   c='r', s=100, alpha=0.5)plt.scatter(np.random.rand(N) * 100,   np.random.rand(N) * 100,   c='g', s=200, alpha=0.5)plt.scatter(np.random.rand(N) * 100,   np.random.rand(N) * 100,   c='b', s=300, alpha=0.5)plt.show()

這段代碼說明如下：

這幅圖包含了三組資料，每組資料都包含了20個隨機座標的位置 參數c表示點的顏色，s是點的大小，alpha是透明度

這段代碼繪製的圖形如下所示：

scatter函數的詳細說明參見這裡：matplotlib.pyplot.scatter

餅狀圖

pie函數用來繪製餅狀圖。餅狀圖通常用來表達集合中各個部分的百分比。

# pie.pyimport matplotlib.pyplot as pltimport numpy as nplabels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']data = np.random.rand(7) * 100plt.pie(data, labels=labels, autopct='%1.1f%%')plt.axis('equal')plt.legend()plt.show()

這段代碼說明如下：

data是一組包含7個資料的隨機數值 圖中的標籤通過labels來指定 autopct指定了數值的精度格式 plt.axis('equal')設定了座標軸大小一致 plt.legend()指明要繪製圖例（見的右上方）

這段代碼輸出的圖形如下所示：

pie函數的詳細說明參見這裡：matplotlib.pyplot.pie

橫條圖

bar函數用來繪製橫條圖。橫條圖常常用來描述一組資料的對比情況，例如：一周七天，每天的城市車流量。

下面是一個程式碼範例：

# bar.pyimport matplotlib.pyplot as pltimport numpy as npN = 7x = np.arange(N)data = np.random.randint(low=0, high=100, size=N)colors = np.random.rand(N * 3).reshape(N, -1)labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']plt.title("Weekday Data")plt.bar(x, data, alpha=0.8, color=colors, tick_label=labels)plt.show()

這段代碼說明如下：

這幅圖展示了一組包含7個隨機數值的結果，每個數值是[0, 100]的隨機數 它們的顏色也是通過隨機數產生的。np.random.rand(N * 3).reshape(N, -1)表示先產生21（N x 3）個隨機數，然後將它們組裝成7行，那麼每行就是三個數，這對應了顏色的三個組成部分。如果不理解這行代碼，請先學習一下Python 機器學習庫 NumPy 教程 title指定了圖形的標題，labels指定了標籤，alpha是透明度

這段代碼輸出的圖形如下所示：

bar函數的詳細說明參見這裡：matplotlib.pyplot.bar

長條圖

hist函數用來繪製長條圖。長條圖看起來是橫條圖有些類似。但它們的含義是不一樣的，長條圖描述了資料中某個範圍內資料出現的頻度。這麼說有些抽象，我們通過一個程式碼範例來描述就好理解了：

# hist.pyimport matplotlib.pyplot as pltimport numpy as npdata = [np.random.randint(0, n, n) for n in [3000, 4000, 5000]]labels = ['3K', '4K', '5K']bins = [0, 100, 500, 1000, 2000, 3000, 4000, 5000]plt.hist(data, bins=bins, label=labels)plt.legend()plt.show()

上面這段代碼中，[np.random.randint(0, n, n) for n in [3000, 4000, 5000]]產生了包含了三個數組的數組，這其中：

第一個數組包含了3000個隨機數，這些隨機數的範圍是 [0, 3000) 第二個數組包含了4000個隨機數，這些隨機數的範圍是 [0, 4000) 第三個數組包含了5000個隨機數，這些隨機數的範圍是 [0, 5000)

bins數組用來指定我們顯示的長條圖的邊界，即：[0, 100) 會有一個資料點，[100, 500)會有一個資料點，以此類推。所以最終結果一共會顯示7個資料點。同樣的，我們指定了標籤和圖例。

這段代碼的輸出如所示：

在這幅圖中，我們看到，三組資料在3000以下都有資料，並且頻度是差不多的。但藍色條只有3000以下的資料，橙色條只有4000以下的資料。這與我們的隨機數組資料剛好吻合。

hist函數的詳細說明參見這裡：matplotlib.pyplot.hist

結束語

通過本文，我們已經知道了Matplotlib的大致使用方法和幾種最基本的圖形的繪製方式。

需要說明的是，由於是入門教程，因此本文中我們只給出了這些函數和圖形最基本的使用方法。但實際上，它們的功能遠不止這麼簡單。因此本文中我們貼出了這些函數的API地址以便讀者進一步的研究。