小白学 Python 数据分析（16）：Matplotlib（一）坐标系
极客挖掘机 人气:3
> 人生苦短，我用 Python
前文传送门：
[小白学 Python 数据分析（1）：数据分析基础](https://www.geekdigging.com/2020/01/19/6719980708/)
[小白学 Python 数据分析（2）：Pandas （一）概述](https://www.geekdigging.com/2020/01/20/6718497214/)
[小白学 Python 数据分析（3）：Pandas （二）数据结构 Series](https://www.geekdigging.com/2020/02/04/3234667780/)
[小白学 Python 数据分析（4）：Pandas （三）数据结构 DataFrame](https://www.geekdigging.com/2020/02/05/9920298470/)
[小白学 Python 数据分析（5）：Pandas （四）基础操作（1）查看数据](https://www.geekdigging.com/2020/02/16/6852411690/)
[小白学 Python 数据分析（6）：Pandas （五）基础操作（2）数据选择](https://www.geekdigging.com/2020/02/20/6566891797/)
[小白学 Python 数据分析（7）：Pandas （六）数据导入](https://www.geekdigging.com/2020/02/23/7355903936/)
[小白学 Python 数据分析（8）：Pandas （七）数据预处理](https://www.geekdigging.com/2020/02/25/9013297409/)
[小白学 Python 数据分析（9）：Pandas （八）数据预处理（2）](https://www.geekdigging.com/2020/02/27/2857868620/)
[小白学 Python 数据分析（10）：Pandas （九）数据运算](https://www.geekdigging.com/2020/02/29/5808964196/)
[小白学 Python 数据分析（11）：Pandas （十）数据分组](https://www.geekdigging.com/2020/03/03/5975552137/)
[小白学 Python 数据分析（12）：Pandas （十一）数据透视表（pivot_table）](https://www.geekdigging.com/2020/03/04/8327177610/)
[小白学 Python 数据分析（13）：Pandas （十二）数据表拼接](https://www.geekdigging.com/2020/03/06/5036602239/)
[小白学 Python 数据分析（14）：Pandas （十三）数据导出](https://www.geekdigging.com/2020/03/07/6918490736/)
[小白学 Python 数据分析（15）：数据可视化概述](https://www.geekdigging.com/2020/03/09/7393240956/)
## 引言
各位同学好，本篇文章，我们来介绍下使用 Matplotlib 时如何建立坐标系。
回想一下以前我们在接受九年义务教育毒打上数学课的时候，应该都画过折线图直方图之类的统计图表，其中第一步就是建立直角坐标系。
翻出老课本，帮助各位同学回忆一下当年的数学课，直角坐标系就是下面这个：
直角坐标系不仅能存在于平面中，还有立体的：
当然，本文的只介绍平面直角坐标系如何构建，至于立体的，我们后面再聊。
## 画布
在构建平面直角坐标系之前，我们需要先创建一个画布。
What？画布是啥？
emmmmmmmmmmm，这就类似于我们在电脑上画画一样，需要打开画图软件，创建一个空白的白板，这个白板就是我们后续画图的地方。
使用 Matplotlib 创建画布的代码如下，首先需要导入 Matplotlib 的库：
```python
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(6, 6))
```
上面这段代码我们就完成了一个宽和高都为 6 的画布的创建。
## 创建直角坐标系
创建直角坐标系有多很多种方法，这里我们一种一种来介绍：
### add_subplot
首先，我们使用 `add_subplot` 函数来创建直角坐标系，我们就在刚才创建的那个画布上创建 1 X 1 个直角坐标系：
```python
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(6, 6))
fig.add_subplot(1,1,1)
plt.show()
```
我们得到的结果如下：
我们再创建 2 X 2 个直角坐标系：
```python
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(6, 6))
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)
plt.show()
```
结果如下图：
这里有一点需要说明一下，这里参数可以省略其中的 `,` 逗号，如下：
```python
ax1 = fig.add_subplot(221)
```
参数的含义为创建 2 X 2 网格第一子图。
### subplot2grid
在使用 `subplot2grid` 函数创建直角坐标系的时候，不需要事先创建画布，可以直接使用创建，比如我们下面创建一个很简单的折线图和柱状图：
```python
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(4)
y = np.arange(4)
# 绘制折线图
plt.subplot2grid((2,2),(0,0))
plt.plot(x, y)
# 绘制柱状图
plt.subplot2grid((2,2),(0,1))
plt.bar(x, y)
plt.show()
```
结果如下：
### subplot
同上面的 `subplot2grid` 一样，我们同样可以通过 `subplot` 来绘制直角坐标系，比如我们拿上面的例子再使用 `subplot` 写一遍：
```python
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(4)
y = np.arange(4)
# 绘制折线图
plt.subplot(221)
plt.plot(x, y)
# 绘制柱状图
plt.subplot(222)
plt.bar(x, y)
plt.show()
```
结果还是和上面一样的，小编不再贴了。
上面这个示例的含义是将图标区域分为 2 X 2 共计 4 个区域，在第一个区域上创建折线图，在第二个区域上创建柱状图。
### subplots
`subplots` 看起来和 `subplot` 很像，实际上也是非常像的，它和 `subplot` 的不同之处是 `subplot` 一次只能返回一个坐标系，而 `subplots` 一次可以返回多个坐标系。
我们接着使用 `subplots` 完成前面的示例：
```python
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(4)
y = np.arange(4)
fig, axes = plt.subplots(2, 2)
# 绘制折线图
axes[0,0].plot(x,y)
# 绘制柱状图
axes[0,1].bar(x,y)
plt.show()
```
结果如下：
可以看到，我们虽然只使用到了两个坐标，但实际上 `subplots` 还是会帮我们将 4 个坐标全都创建出来。
## 小结
前面介绍的集中直角坐标系的创建方法并无本质上的区别，只有第一种 `add_subplot` 在使用的时候是需要先创建一个画布的，后面三种都是直接调用 Matplotlib 中的函数从而达到直接创建坐标系的方法。
加载全部内容