自学Python

Chapter 7

第7章Python数据可视化：Matplotlib模块

章节主张

第7章Python数据可视化：Matplotlib模块这一章真正要建立的，不是孤立知识点，而是围绕“可视化不是出图，而是组织观察、函数与模块是从会写到会组织的分水岭、环境与工具链先于语法细节”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。

中文释读

读 第7章Python数据可视化：Matplotlib模块 时，不要只把它当作语法或模块说明书。更有价值的读法，是问自己：这一章解决了我在编程、科学计算或数据分析流程中的哪个瓶颈？

这本书的强项在于把工具、基础语法、科学计算库和案例工作流连成一条线。章节页因此会把原书内容翻译成“知识点 -> 操作动作 -> 易错边界 -> 迁移练习”的学习结构。

本章知识路线

可视化不是出图，而是组织观察函数与模块是从会写到会组织的分水岭环境与工具链先于语法细节

关键论据

  • Matplotlib模块是Python中一个常用的第三方数据可视化模块，支持很多不同类型的数据可视化操作。
  • Matplotlib模块有丰富的代码示例，支持精准的图像控制和高质量的图像输出，还可以使用Tex语法显示公式。
  • Matplotlib模块官方文档地址为 Matplotlib模块可以在脚本模式、Python或IPython解释器以及Jupyter Notebook中使用。
  • Anaconda已经预先安装好了Matplotlib模块。
  • 也可以使用pip命令更新： 本书使用的Matplotlib模块版本如下： 在Matplotlib模块中，Pyplot是一个核心的绘图子模块，通过该子模块，可以完成很多基本的可视化操作。

行动清单

  • 先用最小代码样例跑通本章核心知识点。
  • 把本章知识点接到一个真实小任务上，而不只停留在示例。
  • 记录本章最容易报错的边界条件和调试方式。
  • 复盘：这一章内容如何进入自己的长期 Python 学习系统。

本章图版学习路径

图版按知识点分组，适合拿来做复现、迁移和复盘练习，不只是“看一眼效果”。

第7章Python数据可视化：Matplotlib模块｜7.1 Matplotlib模块简介7.1 Matplotlib模块简介第7章Python数据可视化：Matplotlib模块｜7.1 Matplotlib模块简介7.1 Matplotlib模块简介第7章Python数据可视化：Matplotlib模块｜7.2 基于函数的可视化操作7.2 基于函数的可视化操作第7章Python数据可视化：Matplotlib模块｜7.2 基于函数的可视化操作7.2 基于函数的可视化操作第7章Python数据可视化：Matplotlib模块｜7.3 基于对象的可视化操作7.3 基于对象的可视化操作第7章Python数据可视化：Matplotlib模块｜7.3 基于对象的可视化操作7.3 基于对象的可视化操作第7章Python数据可视化：Matplotlib模块｜7.4 图像中的文本处理7.4 图像中的文本处理第7章Python数据可视化：Matplotlib模块｜7.4 图像中的文本处理7.4 图像中的文本处理第7章Python数据可视化：Matplotlib模块｜7.6 本章学习笔记7.6 本章学习笔记

源章节深读

7.1 Matplotlib模块简介

这节解决什么问题：这节要解决的不是背下“7.1 Matplotlib模块简介”，而是把这个知识点放进真正可运行、可调试、可迁移的 Python 学习流程里。

怎么用到自己的系统：把它写进自己的学习系统：先用最小例子跑通，再把“7.1 Matplotlib模块简介”迁移到一个实际小任务中，最后记录哪些边界条件最容易报错。

常见错误：常见误区是只记住 API 或代码片段，却没理解 7.1 Matplotlib模块简介 背后的对象模型、输入输出和适用边界。

Matplotlib模块是Python中一个常用的第三方数据可视化模块，支持很多不同类型的数据可视化操作。Matplotlib模块有丰富的代码示例，支持精准的图像控制和高质量的图像输出，还可以使用Tex语法显示公式。Matplotlib模块官方文档地址为 Matplotlib模块可以在脚本模式、Python或IPython解释器以及Jupyter Notebook中使用。Anaconda已经预先安装好了Matplotlib模块。也可以使用pip命令更新： 本书使用的Matplotlib模块版本如下： 在Matplotlib模块中，Pyplot是一个核心的绘图子模块，通过该子模块，可以完成很多基本的可视化操作。在实际操作中，该子模块通常这样导入： 为了方便，本书统一采用plt作为Pyplot子模块的缩写。

7.2 基于函数的可视化操作

这节解决什么问题：这节要解决的不是背下“7.2 基于函数的可视化操作”，而是把这个知识点放进真正可运行、可调试、可迁移的 Python 学习流程里。

怎么用到自己的系统：把它写进自己的学习系统：先用最小例子跑通，再把“7.2 基于函数的可视化操作”迁移到一个实际小任务中，最后记录哪些边界条件最容易报错。

常见错误：常见误区是只记住 API 或代码片段，却没理解 7.2 基于函数的可视化操作 背后的对象模型、输入输出和适用边界。

子模块Pyplot提供了一些绘图函数来完成基本的可视化绘图操作。 最常用的绘图函数为plt.plot()函数。例如，可以用plt.plot()函数绘制一条直线，并使用plt.ylabel()函数给图像加上一个y轴的标题，得到如图7-1所示的图形： 图7-1 plt.plot()函数的示例 通常，Matplotlib模块不会立即显示绘制的图形，以便后续向图形中添加更多的信息。只有在调用plt.show()函数后，绘制的图形才会显示。默认情况下，Python绘制的图形会以弹窗的形式显示，并提供了一些按钮对生成的图形进行一些简单的操作。例如，图7-1对应图形的完整弹窗如图7-2所示。 图7-2 Matplotlib模块的弹出窗口 如果使用Jupyter Notebook，plt.show()函数则可以省略，Python也不会弹出绘图窗口，而是在Jupyter Notebook的输出中内嵌图片，如图7-3所示。 图7-3 Matplotlib模块在Jupyter Notebook中的示例 1.函数的基本使用 plt.plot()函数可以绘制基本的点线图，它的使用方式主要有： 通常，参数x、y是两个等长的一维数组或列表，分别表示绘制点的横坐标与纵坐标，参数format_str用来控制绘图的格式。默认情况下，只给定x轴坐标和y轴坐标时，plt.plot()函数会用一条直线连接两个相邻的点。例如，当x的参数为[1，2，3，4]、y的参数为[1，4，9，16]时，plt.plot()函数会在坐标点（1，1）、（2，4）、（3，9）和（4，16）之间绘制三条直线，得到如图7-4所示的图形： 图7-4 给定x和y坐标的plt.plot()函数 不指定参数x时，x的值默认为range（len（y））。例如，调用plt

7.3 基于对象的可视化操作

这节解决什么问题：这节要解决的不是背下“7.3 基于对象的可视化操作”，而是把这个知识点放进真正可运行、可调试、可迁移的 Python 学习流程里。

怎么用到自己的系统：把它写进自己的学习系统：先用最小例子跑通，再把“7.3 基于对象的可视化操作”迁移到一个实际小任务中，最后记录哪些边界条件最容易报错。

常见错误：常见误区是只记住 API 或代码片段，却没理解 7.3 基于对象的可视化操作 背后的对象模型、输入输出和适用边界。

Pyplot子模块主要通过函数进行可视化的操作，实际上，Matplotlib中更灵活的方式是使用基于对象的方式进行可视化操作。在Matplotlib中，每张图实际上都是一个Figure对象，可以使用plt.figure()函数来产生。Figure对象可以通过.add_axes()方法向图中添加Axes对象。Axes对象可以进行绘图操作，调用它的.plot()方法相当于调用plt.plot()函数。一个使用Axes对象绘图的实例如图7-10所示： 对于子图来说，每一个子图对应图像上的一个Axes对象。可以使用plt.subplots()函数来同时得到Figure对象和子图对应的Axes对象数组，其用法为： 图7-10 基于Axes对象的绘图实例 其中，numrows是子图的行数，numcols是子图的列数。一般来说，如果numrows和numcols都不为1，axes是二维NumPy数组；如果两者只有一个为1，axes是一个一维数组；如果两者都为1，axes是一个单独的Axes对象。利用plt.subplots()函数和基于对象的可视化模式，重新生成上下子图的例子，可以得到如图7-11所示的图形： 图7-11 基于对象的子图实例

7.4 图像中的文本处理

这节解决什么问题：这节要解决的不是背下“7.4 图像中的文本处理”，而是把这个知识点放进真正可运行、可调试、可迁移的 Python 学习流程里。

怎么用到自己的系统：把它写进自己的学习系统：先用最小例子跑通，再把“7.4 图像中的文本处理”迁移到一个实际小任务中，最后记录哪些边界条件最容易报错。

常见错误：常见误区是只记住 API 或代码片段，却没理解 7.4 图像中的文本处理 背后的对象模型、输入输出和适用边界。

在数据可视化时，通常需要加上一些描述文字对生成的图形进行描述和解释。Matplotlib模块提供了一些基于函数和基于对象的文本处理方法。常用的函数与方法见表7-3。 表7-3 处理文本的函数与方法 本书不对这些函数的用法进行具体介绍，感兴趣的读者可以去官网阅读相关文档。科学计算需要使用各种数学公式与符号，Matplotlib支持使用LaTeX的语法书写并显示数学公式。考虑如图7-12所示的图形： 图7-12 不带数学公式的标题 可以用LaTeX的语法将标题替换为数学公式，得到如图7-13所示的图形： 图7-13 带数学公式的标题 可以看到，将两个“$”之间的部分解释成了数学公式。由于LaTeX的语法需要使用符号“\”，因此为了避免转义的问题，这里都是用不转义的r字符串实现LaTeX语法。 本节以三角函数为例，说明如何通过调用各种绘图操作对三角函数进行可视化。最简单的绘图方式如图7-14所示： 图7-14 三角函数 对三角函数来说，x轴刻度不太适合用整数表示，为此，可以通过plt.xticks()和plt.yticks()函数设置刻度，将刻度转换为与圆周率相关的值，得到如图7-15所示的图形： 图7-15 修改显示刻度 为了让刻度的位置显示的是含有圆周率的标识，可以在plt.xticks()中传入第二组参数，并使用LaTeX的语法来显示圆周率，得到如图7-16所示的图形： 图7-16 修改刻度显示方式 绘制三角函数时，最好让x轴与y轴在原点相交。这个功能，可以利用Axes对象完成。当前图像的Axes对象可以通过plt.gca()函数来得到： 四个坐标轴（上下左右）可以通过ax.spines属性索引得到。考虑到刻度在左边与下方的两个坐标轴上，因此，可以利用索引先将上面的轴和右边的轴设为透明： 再将左

7.6 本章学习笔记

这节解决什么问题：这节要解决的不是背下“7.6 本章学习笔记”，而是把这个知识点放进真正可运行、可调试、可迁移的 Python 学习流程里。

怎么用到自己的系统：把它写进自己的学习系统：先用最小例子跑通，再把“7.6 本章学习笔记”迁移到一个实际小任务中，最后记录哪些边界条件最容易报错。

常见错误：常见误区是只记住 API 或代码片段，却没理解 7.6 本章学习笔记 背后的对象模型、输入输出和适用边界。

本章对Matplotlib模块进行了简单的介绍。Matplotlib模块支持使用基于函数和基于对象两种方式进行基础的可视化操作，也能借助LaTeX语法在图像上插入漂亮的数学公式。Matplotlib中还有很多很强大的绘图操作，要想熟练掌握各种不同的绘图方式，需要通过观看已有的绘图代码实例，不断实践和摸索。 学完本章，读者应该做到： ●了解基于函数和基于对象的两种可视化操作模式。 ●掌握一些基本绘图操作。 ●知道图和子图的生成。 ●可以向图中添加数学公式。 ●掌握如何使用Matplotlib的示例进行可视化尝试。 1.本章新术语 本章不涉及新术语。 2.本章新函数 本章涉及的新函数见表7-4。 表7-4 本章涉及的新函数 3.本章Python 2与Python 3的区别 本章不涉及Python 2与Python 3的区别。

辨析题：如果你只会照抄 第7章Python数据可视化：Matplotlib模块 里的例子，却无法换一个输入自己写出来，真正缺的是什么？

多数时候缺的不是记忆，而是对象模型、输入输出边界和操作顺序的理解。把知识点换到新输入上依然能运行，才算真的进入了自己的系统。