一、引入

Matplotlib 是一个Python的综合库，用于在 Python 中创建静态、动画和交互式可视化。
本教程包含笔者在使用Matplotlib库过程中遇到的各类完整实例与用法还有遇到的库理论问题，可以根据自己的需要在目录中查询对应的用法、实例以及第四部分关于理论的讨论。
教程参考了Eric Matthes的Python Crash Course中的Matplotlib部分和Matplotlib官方示例。
如果你希望了解更详细的用法和实例，可以查看Matplotlib官方网站和Python Crash Course。

二、用法部分

①基础类

1.安装Matplotlib

sudo pip install matplotlib  # in Linux

2.引用Matplotlib常用模块

import matplotlib.pyplot as plt  # 引入matplotlib的pyplot模块

3.绘制图形

values = [1, 2, 3, 4, 5]  # x值列表
squares = [1, 4, 9, 16, 25]  # y值列表
plt.plot(values, squares)  # 绘图

4.查看图形

plt.show()  # 打开matplotlib查看器，显示绘制的图形

5.保存图形

plt.savefig("file_name.png",bbox_inches="tight")#保存文件，bbox_inches可选择是否紧凑裁剪

②调节设置类

1.线宽调节

plt.plot(x, y, linewidth=5)  # 线宽设置为5

2.设置标题

Figure标题

figure标题在整个figure的上部正中。

fig.suptitle("figure_suptitle")  # 为Figure设置标题

Axes标题

ax.set_title("title")  # 为Axes设置标题

一般情况标题

对于不区分axes和figure的情况，比如一个figure里只有一个axes，以下命令也可以使用

plt.title("title", fontsize=24)  # 设置标题，字体大小设置为24

3.设置轴标签

plt.xlabel("Value", fontsize=14)  # 设置图标题x轴标签，字体大小设置为14
plt.ylabel("Square of Value", fontsize=14)  # 设置y轴标签，字体大小设置为14

4.设置轴刻度

plt.tick_params(axis="both", which="major", labelsize=14)  # 设置各轴刻度为等距,标签大小设置为14,major为应用参数的刻度组

5.隐藏坐标轴

若对图像有洁净的追求，希望隐去坐标轴，可以使用

plt.axis("off")  # 隐藏坐标轴

6.设置figure尺寸

plt.figure(figsize=(10, 6))  # 设置figure尺寸，单位为英寸

7.设置轴

ax为一个axes artist，设置x轴与y轴的限幅，并设置x轴和y轴的标签

ax.set(xlim=[0, 3], ylim=[-4, 10], xlabel='Time [s]', ylabel='Z [m]')

8.设置标签

为点设置格式化标签

需要格式化的标签时，为label添加f

scat = ax.scatter(t[0], z[0], c="b", s=5, label=f'v0 = {v0} m/s')  # 需要格式化的标签时，为label添加f

9.设置图例

ax.legend()  # 将添加过label的artists添加到四角的图例上

③数值处理类

1.生成x值和对应y值[规律]

法1：range()

和法3类似，法3更优

values = list(range(1, 101))  # list搭配range生成多个数的列表
squares = [value ** 2 for value in values]  # 根绝values生成squares

法2:numpy.linspace()

注:该方法引用Numpy库

x = np.linspace(0, 2 * np.pi, 200)  # np.linspace(起始点，终止点，采样个数)
y = np.sin(x)

法3:np.arange(）

和法1类似，优势在于不用再转一次列表。
注:该方法引用Numpy库

x = np.arange(0.0, 2.0, 0.01)

2.生成x值和对应y值[随机]

④常见图形类

1.生成点

plt.scatter(values, squares, color="red", s=10)  # 绘制散点图,s为点大小,color为颜色

2.生成线

生成线的本质是生成足够多的点，使之连结，在视觉上呈现线的感觉。

x = np.linspace(0, 2 * np.pi, 200)  # 生成足够多的x
y = np.sin(x)  # 生成足够多对应的y
plt.plot(x, y)  # 绘图

⑤美化类

1.颜色映射

颜色映射可以将数值大小映射为颜色深浅，从而绘制出数值与颜色相关的图像，比如温度低的位置颜色浅，温度高的地方颜色深。

法1：数值颜色映射

plt.scatter(x, y, c=y, cmap="Reds")  # 颜色映射
# https://matplotlib.org/stable/gallery/color/colormap_reference.html#sphx-glr-gallery-color-colormap-reference-py

如果按照点的先后顺序颜色映射，需要先为规则c生成数值列表

法2：顺序颜色映射

points_number = list(range(101))  # 生成0~100的cmap顺序列表
plt.scatter(x, y, c=points_number, cmap="Blues", s=5)  # 按照顺序颜色映射

⑥动画类

在主代码中写出绘画0时刻的图的代码

三、实例部分

查看github或gitee上的实例代码

四、理论部分

1.Artist、Figure、Axes、Axis的区别

Artist

基本上，图形上可见的所有内容都是Artist，包括Figure、Axes和Axis对象。
Text对象、Line2D对象、collections对象、Patch 对象等也是Artist。
当 Figure 被渲染时，所有的 Artists 都被绘制到画布上。
大多数Artist和Axes挂钩，不能在Axes间切换也不能被Axes共享。

Figure

Figure是整个图形，可以看做窗口，一个Figure可以包含多个Axes。
Figure可以用pyplot.figure()单独创建

fig = plt.figure()  # 创建无Axes的空Figure窗口

fig, ax = plt.subplots()  # 创建带有一个Axes的Figure

Figure也可以用pyplot.subplots()和Axes一起创建。

Axes

Axes 是附加到 Figure 的 Artist，它包含一个用于绘制数据的区域。
Axes通常用pyplot.subplots()和Figure一起创建。
使用axes_name.plot()来绘制数据

fig, ax = plt.subplots()  # 创建带有一个Axes的Figure
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # 在Axes上绘制数据

一个Figure上可以有多个Axes。

fig, axs = plt.subplots(2, 2)  # 创建一个带有2X2个Axes的Figure

Axis

一个Axes通常包含两个带有刻度和刻度标签Axis，在3D情况下，一个Axes包含3个Axis，这和我们日常生活中的xyz坐标系含有x、y、z轴是相同的概念。

2.输入数据的要求

Matplotlib要求输入的数据格式为numpy的array，也就是numpy数组。

List与Array区别

list是python的内置数据类型，而 array数组需要导入numpy库，不属于内置类型。
list中的数据类不必相同的，即每个元素可以是不同的数据类型。
而array则是由numpy封装，存放的元素都是相同的数据类型。

Matrix的输入

矩阵Matrix无法直接作为数据输入，需要先通过numpy.asarray()转化为"类数组"才能输入Matplotlib

a = np.matrix([[1, 2], [3, 4]])  # a为numpy矩阵Matrix
a_asarray = np.asarray(a)  # a转化为类数组a_asarray