江湖界公认的一句话，字不如表，表不如图！人们往往更喜欢看图说话，所以用python的大侠们，你们是用什么画图的？各种图纸包就像各种武器。有的武器功能单一，但在细分领域超级专业无敌，有的武器功能多样，使用灵活。众所周知，matplotlib是python绘图的基础包。它可以生成各种2D或3D图形。？丑陋的拒绝？不不不，别激动！其实，matplotlib一直是低调、奢华、有内涵的包装。我们需要通过其朴实无华的外观来认识其丰富多彩的内饰。来到康康，这迷人的曲线，你感受到它的召唤了吗？心里会不会有一丝学习的冲动？啊？太妖娆？还有文艺的，比如这张动感的雨滴图：你会不会想起咖啡馆外几片梧桐树落叶的街道，玻璃窗上弥漫着雾气，浅浅的水坑里滴落的雨滴激起中间的水花飞溅电影的那种，只需要一把伞，两个人就可以想象一场戏。....咳咳。..联想能力有点强，差点hold不住。总之，无论你有什么样的想法，matplotlib大概率都能找到实现的方法，3D图像不是问题。比如官网首页的四张图，最后一张是3D的！嗯~？太小？看不清楚？这个没什么好担心的，来一张3D清晰大图！个人觉得这个帽子状的3D地图无论是配色还是造型都非常漂亮。这个“帽子”是官网给的样例图，不过我去掉了背景上的网格线和刻度，看起来很有质感。所以不管是2D还是3D，静态还是动态，matplotlib都能搞定一切。既然matplotlib这么强大，那么新的问题又来了，会不会很难学？答案很简单粗暴，也很强大，那就是：不会！用matplotlib实现绘图并不难。当然，要实现上面的动态和3D图像会有些难度，但这只是与简单的绘图相比。绘图的逻辑没有太大区别。通过简单的图形学习使用matplotlib绘图的逻辑和基础知识，然后将这些逻辑和知识细节应用到复杂的图形上，一步一步，水到渠成！只说不做假，有句话叫名为“Talkischeap!Showmethecode!”那么我们将从一个简单基础的折线图开始，揭开matplotlib的层层叠叠，愉快地探索它的各种应用。画折线图虽然说是画折线图，但是有些步骤是画图的共同点，比如...画图处理数字，所以在导入绘图包matplotlib之前，会先导入numpy包，而pandas也是一个数据处理包，而在实际工作中，用于画图的源数据往往是表格数据，所以pandas包可以处理表格数据的也必须将它们一起导入。另外，matplotlib包含两个模块，pyplot和pylab。我们这里只导入pyplot模块。对于初学者来说，可能不明白这两个模块是干什么的。为什么只导入pyplot？Matplotlib是整个包；pyplot和pylab是matplotlib中的模块；pylab是一个方便的模块，可在单个命名空间中批量导入matplotlib.pyplot（用于绘图）和numpy（用于数学和使用数组）。虽然很多例子使用了pylab，但是不再推荐使用。对于非交互式绘图，建议使用pyplot创建图形，然后使用OO接口进行绘图。（以上是官网给出的关于matplotlib和两个模块的关系的解释）明白为什么只导入matplotlib.pyplot了吗？来画一个简单的折线图吧！第一步解决数据源首先是问题，就是我们要将什么数据转换成图形，这里我们使用前面导入的numpy包来生成一些数据用于绘图。生成了200个取值范围为-1到1的浮点数，用函数建立了x和y的关系。接下来，我们将画出这组关系。对于这个简单的绘图，可以省略很多步骤，直接调用绘制折线图的函数plt.plot()，一步画出图形：plt.plot(x,y)plt.show()这里，这是上面几行代码画出来的折线图，反应的函数关系是y=x^2，是不是超级简单呢？觉得太简陋？嗯~~就算是函数的手绘图，也要有图形标题，坐标轴标签，图例等等，好吧！那么我们来改进一下这个简单的折线图，让它更完整、更漂亮。而且这个过程也适用于折线图以外的其他类型的图，其他的图也可以参考这套思路进行改进。plt.figure(figsize=(width,height),dpi=pixel)#创建画布plt.figure(figsize=(6,4),dpi=80)#创建画布并设置画布的大小和分辨率plt.plot(x,y)#绘制折线图plt.title("line")#设置图形标题plt.xlabel("x")#设置x轴标题plt.ylabel("y")#设置y-axistitleplt.xlim(-1,1)#设置x轴的取值范围plt.ylim(0,1.1)#设置y轴的取值范围plt.xticks([-1,-0.8,-0.6,-0.4,-0.2,0,0.2,0.4,0.6,0.8,1])#设置x轴刻度plt.yticks([0,0.25,0.5,0.75,1])#设置y-axisscaleplt.legend(["y=x^2"],loc=9)#显示图例图例的位置，将图例名称写入['']，loc参数指定图例在图例中的位置figureplt.savefig("line.png")#保存绘制的图片plt.show()#本地显示图形，这行代码可以使用分号；替换得到的图：通常可以设置的标题、标签、图例等在代码中都以注释的形式写的很清楚，不再占用空间重复。那么对于折线图，是否只有这些可以设置？当然不是，比如折线的线型，线的颜色，线上点的样式、大小、颜色等等，可以设置的内容超乎想象。不过这么多设置在实际工作中并没有用到。感兴趣的朋友，在运行plt.plot()函数之前，使用shift+tab快捷键调出该函数的帮助文档，探索更多应用。这是我的小探索：x=np.arange(-1,1.1,0.1)#generatedatay=x**2plt.plot(x#x轴数据,y#y轴数据,alpha=0.5#lineTransparency,0到1之间的浮点数，值越小透明度越高，linestyle="--"#设置线条样式，"--"表示虚线，linewidth=2.5#设置线宽，输入一个浮点数，color="b"#设置线条的颜色，"b"表示蓝色，marker="o"#设置数据点的形状，"o"表示原型，markeredgecolor="g"#设置数据点边框的颜色，"g"表示绿色，markeredgewidth=1.2#设置数据点边框的宽度，输入一个浮点数，markerfacecolor="w"#设置数据点的颜色,"w"表示白色，markersize=5.5#设置数据点形状的大小，输入浮点数)plt.xticks([])#去除x轴刻度，x轴不显示刻度在生成的图中plt.yticks([])#去除y轴刻度，生成图中y轴不显示刻度plt.show()#本地显示图形绘制的图像如下：呃~~~有点难看，不用在意这些细节，毕竟在配色、线条、标记等方面鼓捣了好久，才鼓捣出一款看起来不太辣眼、能显示常用参数的。对于图片，我大概是五要素中缺少美国商人。....其实我觉得这张图有点像项链（捂脸）。那么，这就是折线图可以设置的吗？能画出来的图是上图吗？当然不是！前面那条妖娆的曲线，本质上就是一个折线图，图形可以设置的不止这些。展示出来的，大概也算是新手村比较丰厚的大礼包了。至于做哪些设置可以达到什么目的？至于效果，悬而未决，保密，下次再说！嘿嘿！
