入门示例

我们已经安装好了Matplotlib，那么现在就让我们来看一个简单绘图示例：

import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])  
plt.show()

我想，它应该是最简单的绘图示例了吧，本示例只有三行代码，代码运行效果如下：

对照图形，我们不难猜测出plot语句在这里的含义，它其实就是将两个列表参数拆分成了四个坐标点(1,1)、(2,4)、(3,2)、(4,3)，然后再将这些坐标点按顺序连接起来。

一般来讲，Matplotlib绘图有两种风格，一种是pyplot风格，上面这个最简单的代码就是pyplot风格的。

pyplot风格的绘图

我们来正式看一个pyplot风格的绘图示例：

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

#这两句先不用管它，暂时先记住，要在绘图中使用中文，就必须要用到这两句。后面我专门讲。
mpl.rcParams['font.family']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

# 示例数据，构造自变量数据。下面的数据是numpy类型的，这是Matplotlib推荐使用的数据格式。
x = np.linspace(0, 2, 100)  

#创建一个绘图；尺寸大小：宽5，高3英寸；layout为可选参数，指定绘图布局机制，先不用管它，后面我专门讲。
plt.figure(figsize=(5, 3), layout='constrained') 

#绘制一条曲线，曲线的自变量为x，因变量y=x，曲线图例的标签为“线性曲线”
plt.plot(x, x, label='线性曲线')  

#再绘制一条曲线，曲线的自变量为x，因变量y=x**2，曲线图例的标签为“二次曲线”
plt.plot(x, x**2, label='二次曲线')  

#再绘制一条曲线，曲线的自变量为x，因变量y=x**3，曲线图例的标签为“三次曲线”
plt.plot(x, x**3, label='三次曲线')

#下面三句分别设置x轴、y轴标签和绘图的标题
plt.xlabel('x 轴')
plt.ylabel('y 轴')
plt.title("pyplot风格的简单绘图")

#设置绘图的图例，没有这一句，上面绘图时设置的曲线图例标签不会显示出来。
plt.legend()

#显示图形
plt.show()

代码运行的效果如下：

代码中我已经给出了详细的注释，这里不再作过多地解读，我们仅对代码中的matplotlib.pyplot 进行一些简单的介绍。matplotlib.pyplot就是使 matplotlib 像 MATLAB 一样工作的函数集合，它也是Matplotlib的一个模块。每个 pyplot 函数都会对图形进行一些更改：例如，创建图形、在图形中创建绘图区域、在绘图区域中绘制一些线、用标签装饰绘图等。matplotlib.pyplot的函数非常丰富，这里无法一一说到，我在后面的章节会不断介绍其中的一些主要函数。想了解最全、最详细的函数介绍，可以查阅Matplotlib官方文档中的API参考部分。

在本例中，我们没有给出绘制坐标轴及其刻度和数字标签的代码，也没有设置坐标的上、下限。但是绘图中这些要素都存在，显然后台有什么东西自动创建了这些。这个功劳归于pyplot，它会在后台自动创建和管理图形、轴等。

这种pyplot风格非常方便熟悉MATLAB绘图的技术人员很快掌握Matplotlib绘图，因为它和MATLAB实在太像了。这种风格的代码使在Matplotlib中生成可视化图形非常简单、快捷。它通常用于相对比较简单的绘图和交互式绘图操作。至于比较复杂的绘图，则需要使用到我们下面所说的Matplotlib的第二种风格——面向对象的编码风格。pyplot API 通常不如面向对象的 API 灵活。我们在这里看到的大多数函数调用也可以作为来自 Axes 对象（Axes对象是什么？）的方法调用。

面向对象的编码风格

下面我们采用面向对象的编码风格绘制与上面一样的图形：

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

mpl.rcParams['font.family']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

x = np.linspace(0, 2, 100)  

# 创建一个subplots子图对象，它返回一个元组，fig表示整个绘图，ax代表子图绘图区域。
fig, ax = plt.subplots(figsize=(5, 3), layout='constrained')

#在ax对象上分别绘制线性曲线、二次曲线和三次曲线
ax.plot(x, x, label='线性曲线') 
ax.plot(x, x**2, label='二次曲线')  
ax.plot(x, x**3, label='三次曲线')

#在ax上设置 x轴标签、y轴标签、标题并设置图例。  
ax.set_xlabel('x 轴')  
ax.set_ylabel('y 轴')  
ax.set_title("面向对象风格的简单绘图")  
ax.legend()
plt.show()

代码运行的效果如下：

虽然代码不同，但是输出的图形是一样的（标题不一样），这个代码风格就是面向对象的风格。我们这里的绘图命令plot、设置轴、设置标题以及设置图例都是针对ax对象的操作，前面我们还显式地创建了一个绘图并将其实例化为fig对象。这正是面向对象的特征之所在。一般来说，Matplotlib官方建议使用面向对象的风格，特别是对于复杂的绘图以及一些作为更大项目的一部分重用的函数和脚本。实际上，Matplotlib的本质就是基于对象的。至于Matplotlib的最主要的对象（包括上面我们有疑问的Axes对象）有哪些，我们下次详说。

如果你关注Python高效办公，那么请关注我，给你带来优质的Python办公相关内容。