matplotlib.pyplot axes 浅谈matplotlib.pyplot与axes的关系
小平友littlePING 人气:0最近在学习数据可视化,梳理一下其中一些诸如pandas绘图、matplotlib绘图、pyplot(plt)、axes等概念。
重要的事情说三遍:axes不是axis!axes不是axis!axes不是axis!
重要的事情说三遍:pyplot是接口不是对象!pyplot是接口不是对象!pyplot是接口不是对象!
很多书上一上来就直接import matplotlib.pypltot as plt
,然后就教你plt.xxx()
。这种方式固然没错,可问题就出在了plt
只是一个interface,只是一个接口,连对象都算不上(仔细回想,你确实没有实例化过任何一个名叫plt
类型的对象)这给本来就对面向对象编程并不很熟悉的我带来无穷无尽的困扰。plt
这个接口的意义在于:
- 通过接口直接画图(这时候我们把这个接口看成一个黑盒,根本不要去管其中有些什么对象类型)
- 通过接口实例化别的类型的对象(如
figure
类型axes
类型等)
1.通过plt.xxx()直接绘图
就像各种教程和书上的常规操作一样,我们可以用plt.plot(), plt.bar()等绘制不同类型的图(部分总结如下表)
表一 plt中用于绘图的部分函数
函数名 | 作用 |
---|---|
plt.bar() | 条形图 |
plt.barh() | 横排条形图 |
plt.boxplot() | 箱线图(plt.box()是另一个函数) |
plt.hist() | 频率直方图 |
plt.plot() | 折线图 |
我们可以用plt
的其他一些函数来对图表的标题等进行设置(部分总结如下表)
表二 plt中用于设置的部分函数
函数名 | 作用 |
---|---|
plt.title() | 设置图表标题 |
plt.grid() | 设置图表网格 |
plt.xlabel();plt.ylabel | 设置x;y轴标题 |
plt.xticks();plt.yticks() | 设置x;y轴刻度 |
plt.xlim();plt.ylim() | 设置x;y轴范围 |
plt.annotate() | 设置标注 |
(具体的参数和用法详见 https://matplotlib.org/api/pyplot_summary.html )
用plt绘图的方便之处,同样也是它最令人迷惑的地方,就是它没有一个显性的对象。
我们甚至可以调用pandas绘图以后,用表二中的plt函数来对pandas生成的这个图表进行设置。
例程如下:
import matplotlib.pyplot as plt from pandas import Series data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index=['2012','2013','2014','2015','2016','2017']) #注意下一行的对象是'data',它是一个series对象,调用的是pandas绘图函数 data.plot(label='income', color = 'r', linestyle=':', marker = 's')#具体的pandas绘图之后会细讲 #但接下来我们甚至可以调用plt的函数对它进行设置 plt.title('Income chart') plt.xlabel('Year') plt.ylabel('income') plt.annotate('Largest point',xy=(5,2.60),xytext=(3,2.5), arrowprops=dict(arrowstyle='->')) plt.show()
上面这个例子就展示了pyplot
(plt
)的特点,不用指明对象就能进行画图和设置,当我们在同一个程序中的图比较少的时候这是方便的,但当我们同一个程序中的图很多的时候,这种没有显性对象的方式会导致我们没有办法重新调用之前的图(因为没有对象名)也会给人一种很不踏实的感觉。
2.实例化figure和axes对象后绘图
就像前文提到的,plt
只是一个接口而不是对象。
在matplotlib中,有两个重要的对象类型:figure
对象可以把它想成一张空白图纸,在上面可以绘制一个或多个axes
对象(还可以有其他对象等)。axes
对象是一个图像的主要部分(它包括了图线、xy轴等部分)。
我们可以使用plt
接口生成figure
对象和axes
对象,然后对axes
对象调用方法来实现画图和设置。
总体思路是:
- 实例化figure对象
- 实例化axes对象
- 对axes对象调用方法进行画图和设置
例程如下:
import matplotlib.pyplot as plt from pandas import Series data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index=['2012','2013','2014','2015','2016','2017']) #调用plt接口,实例化figure1对象 figure1 = plt.figure(facecolor='w')#faceclolr设置背景颜色 #实例化ax1对象 ax1 = figure1.add_subplot(111)#ax1是figure1的第1行第一列的第1张图表 #注意下一行的对象是'ax1',它是一个axes对象,调用的是matplotlib.axes绘图函数 ax1.plot(data,label='income', color = 'r', linestyle=':', marker = 's') #接下来我们调用ax1的方法对它进行设置 ax1.set_title('Income chart') ax1.set_xlabel('Year') ax1.set_ylabel('income') ax1.annotate('Largest point',xy=(5,2.60),xytext=(3,2.5), arrowprops=dict(arrowstyle='->'))
用这种方式画出来的图,每一个对象都有它自己的名字,方便后面继续调用、修改。代码也就多了两行实例化的过程,并没有麻烦很多,个人很喜欢用这种方式画图(也给人一种很踏实的感觉)。
类比上面的表一和表二,给出对于axes对象的方法函数表:
表三 axes对象用于绘图的部分方法函数
函数名 | 作用 |
---|---|
ax.bar() | 条形图 |
ax.barh() | 横排条形图 |
ax.boxplot() | 箱线图 |
ax.hist() | 频率直方图 |
ax.plot() | 折线图 |
表四 axes对象中用于设置的部分方法函数
函数名 | 作用 |
---|---|
ax.set_title() | 设置图表标题 |
ax.set_xlabel(); ax.set_ylabel | 设置x;y轴标题 |
ax.set_xticks(); ax.set_yticks() | 设置x;y轴刻度 |
ax.set_xlim(); ax.set_ylim() | 设置x;y轴范围 |
ax.annotate() | 设置标注 |
(具体的参数和用法详见 https://matplotlib.org/api/axes_api.html )
注意表一和表三,表二和表四的异同:
- 表一表二中的
plt
是固定的名字,不论画什么都是plt.xxx()
,而表三和表四中ax.xxx()
中的ax
要改成你实例的对象名。 - 注意对比表二和表四,很多作用相同的东西,跑到了axes这里要多加一个
set_
用实例化axes的方式画图很重要,因为多子图的绘制更是需要依赖axes对象。
我还会分两期分别介绍一下axes与多子图的绘制和axes与pandas绘图的关系。
加载全部内容