本文是如何使用matplotlib库将matplotlib库进行“使用python”的第二部分。主要内容是如何绘制多个孩子图，向图形添加文本和注释，如何自定义坐标的轴刻度，设置自己的图纸样式，绘制三个维度图以及Seaborn库的一部分。
首先，介绍基本方法。这是创建子图手册的一种方法。默认配置创建标准坐标轴。还有一个可选参数，该参数由图形坐标系的四个值组成。绘图工具是一致的。四个值表示底部坐标位置，左坐标位置，宽度和高度。值的值范围是左下角（原点）的0（原点），在右上角为1。
现在显示如何创建“绘画绘画”。我们将参数设置为，这意味着坐标轴的原始点位于图形高度的65％和65％的水平，以及的宽度和高度坐标轴设置为图的20％。结果和实现代码如下：
面向对象的图形接口中有类似的命令。
彼此对齐的几个子图是常见的视觉任务，Matplotlib可以轻松地创建它们。底部方法是在网格中创建一个子图。该命令具有三个整数参数 - 要创建的网格映射数，列和索引值的数量，索引值从1开始，从左上角到左上角的右下角右下角的序列增加。
该命令可以调整子图之间的间隔，并且以对象为导向的接口可以达到相同的效果：
其中，Hspace表示图形高度的间距，WSPACE表示图形宽度的间距，其值范围为0-1，并且该值基于子图的大小。（在此示例中，距离为40％子图的宽度和高度）。
该函数可以使用代码行创建多个子图，并返回包含子图的Numpy数组。关键参数是行和列的数量，以及可选的参数Sharex和sharey（共享x轴和y轴）。您可以通过它们设置它们。不同的子映射之间的关系。当您要创建大型子图或隐藏内部子轴和y轴标题时，这很容易使用。
设置Sharex和Sharey之后，我们可以自动删除网格内部子数字的标签以使图形外观更加清洁。坐标轴实例网格网格的返回结果是一个numpy阵列，因此所需坐标的值可以通过标准数组值轻松获得轴：
应该注意的是，与plt.subplot（）相比，plt.subplots（）和python索引与从0开始的习惯一致（plt.subplot（）与MATLAB指数相似。
如果您想实现不规则的多线和多columns.it，它不能直接创建图形，但是该命令可以识别的简单接口。范围间距如下：
这种灵活的网格布置方法被广泛使用，例如：
实际上，这种类型的图形非常普遍。之后，我们将介绍Seaborn图书馆提供了特殊的API来实施此图纸。
首先，让我们导入笔记本图中需要使用的一些功能：
我们可以在图形中手动添加文本注释，它们可以将文本放在特定的坐标点上。例如，如下：
上一个示例将文本放在目标数据的位置上。但是有时可能需要将文本放置在与数据无关的位置，例如轴或图形。坐标。任何图形显示框架需要一些机制来更改坐标系。使用要表示的屏幕像素。Matplotlib提供了一种实现相似功能的工具。
基于数据的坐标转换
基于坐标轴的坐标转换（基于轴尺寸的单位）
基于图形的坐标转换（在图形维度）
让我们以下面的示例在三个更改中以不同的位置绘制文本：
更改坐标轴的上限和下限只会更改transdata的坐标，而其他坐标系的坐标将不会更改。通过这种坐标变换，可以实现图形中的坐标轴。
Matplotlib中的绘画箭头将比预期的要困难。功能和功能都可以实现箭头图。创建的箭头是SVG矢量映射对象。Willing.in.在相比之下，它将更加灵活。它可以同时创建文本和箭头，并且可以在创建的对象上灵活配置。
演示如下：
箭头的样式由箭头词典控制。有许多可用的选项。这不是一个人介绍他们。只有几个简单的演示：
默认情况下）使用简单配置AutominorLocator nullformatter nullformatter没有标签indexformatter来设置标签funcornter，以设置标签funcorter，以设置标签formalfororatter.formattrfororatter.formattrfororterter.formaT scalalfrmatter（Default formatter（Default）（DefaultfrMmatter（Default）（Default Frormatter（Default）（Default Frormatter（Default）（Default Frormatter））标记logFormatter默认格式的坐标轴数以生成本节的常见比例/标记格式操作。实现，如下所示：
这两个功能适用于不需要比例线和标签的方案。如上图所示，我们将移动x轴的标签和y轴的比例。让我们以面部的形象为例：
接下来，我们将介绍如何设置比例数。我们可以使用它来解决此问题，以及通过它显示多少尺度。根据设置的设置数量，matplotlib将自动安排适当的位置比例。例如，在下图中，当图形显示较小时，刻度将非常拥挤。我们可以通过此功能解决此问题：
最后，我们介绍了如何设置精美量表格式。我们不仅可以自定义主尺度和次级尺度的值和数量。matplotlib还支持乳胶的数学公式显示。它可以轻松显示数学符号和数学公式（详细信息浏览文档）。该示例如下：
在本节中，我们将介绍如何修改单个图形配置，以使最终图形看起来比原始图形更好。我们可以个性化单个图形。首先，查看频率的默认频率是什么样的：
接下来，让我们通过手动调整来修改此图像：
修改后的图像的外观比默认设置更漂亮。这是允许我们使用默认图形将其应用于所有图形的方法。
Matplotlib在每次加载时定义运行配置（RC），其中包含您创建的所有图形元素的默认样式。我们可以随时以简单的方式修改此配置。现在我们使用默认图形来实现效果来实现效果在之前的手动调整。首先复制默认RCPARAMS词典，以便您可以在修改后还原：
接下来，我们使用该函数修改配置参数：
现在，让我们创建一个图形以查看效果：
创建另一个电线图以查看RC参数的效果：
在下面，我们介绍了几个设置（绘图样式简要介绍以查看上一篇博客文章）。首先，定义一个可以绘制两个基本图形的函数：
让我们使用此功能来演示不同样式的显示效果。
1.默认样式
重置rcparams后，这是默认样式。默认样式简单明了，也是一个不错的选择。
2. FiveThirtyeight风格
FiveThirtyeight风格模仿网站。Fivethirtyeight的绘画风格。这种样式使用深厚的线条和透明的坐标轴：
3. GGPLOT样式
GGPLOT样式是模仿模仿R语言的GGPLOT视觉工具的默认样式。
4.BMH样式
BMH样式在e -Book概率编程和黑客贝叶斯方法中继承了绘图样式。
5.当在演示文档中显示黑色背景样式时，黑色背景通常会具有更好的效果。
6.灰色样式
一种适合黑白印刷的样式。
在不同的情况下使用不同样式的视觉蛋糕。
首先
最基本的三维图是一个线图和散点图，由（x，y，z）组成，三维坐标。类似于前面引入的普通两个尺寸图，您可以使用函数创建它们。let the triangle the triangle螺旋线和一些分散点为例：
像两个维图一样，所有数据也必须是两个维网格数据的形式，并且Z轴的功能由函数计算。以下显示了具有三维正弦函数的三维高线图：
我们还可以调整观察角和方向角。现在，我们将音高角度调整为60度（即X-Y平面的旋转角度为60°），并将祖先角调节到35度（即，围绕Z轴35°）：
接下来，介绍其他两种类型的图形数据的三维图表 - WIRE框架图和曲面图。它们所有这些都将网格数据映射到三维弯曲的表面，并且获得的三维形状非常容易可视化.below是电线框架图的一个示例：
弯曲图与电线框架图相似，仅电线框架图的每个表面由多边形组成。只要添加了配色方案以填充这些多边形，读者就可以感觉到该表面上的拓扑结构视觉图：
应该注意的是，弯曲的图需要两个维数据，但不能是正确的角坐标系（可以使用极坐标）。以下示例创建了局部极点坐标网格。当我们将其绘制为Surface3D图形时，我们可以获得使用切片的视觉效果：
我们首先创建一组随机数据，并生成一个分散的图片：
接下来，我们使用该函数来帮助我们将此图形固定为曲面图。它首先找到连接到所有点的三角形，然后使用这些三角形来创建弯曲的表面：
尽管此方法绘制的图形之前不必以均匀的网格完美绘制，但此三角形部分方法非常灵活，并且可以创建各种有趣的三维图。
地理数据的可视化是数据科学中一种非常常见的可视化类型。Matplotlib这种可视化的主要工具是基本图工具箱。它是Matplotlib的Mpl_toolkits.now中的众多工具箱之一，我们将展示一些使用BaseMap Toolbox绘制地图的视觉示例。
安装BaseMap程序软件包后，我们运行以下代码：
这里显示的地球不是静态图片。它是用球形坐标构建的完整的Matplotlib坐标轴，可以轻松地将数据添加到地图中。例如，我们可以放大地图并在地图上标记北京的位置：
在下面，我们将介绍BaseMap的主要特征，并通过一些视觉图的示例进行演示。
首先定义了绘制纬度和纬线图的简单方法：
1.圆柱投影
设置左下角（LLCRNR），右上角（URCRNR），纬度（LAT）和经度（LON）的参数。
其他两种类型的圆柱投影是makato（）投影和圆柱投影（）。
2.伪 - 圆柱形投影
其他两种类型的伪 - 圆柱形投影是Robinson（）投影的正弦（）投影。
3.透视投影
积极投影：
另外，还有球粘的投影（）和极平面（）投影。
4. Conechical投影
Ranbte和其他角锥投影：
等待距离（）投影（）投影以及Albertes和其他累积的锥体（）投影。锥体投影与看到一个小小的和中尺寸的映射相同。
下面给出了BaseMap中某些功能的使用：|功能名称|使用|| - | - | - ||bluemarble（），shadedrelief（）|绘制地球投影||drawpalallels（），drawmeridians（）|统计||drawcoastlines（）|画大陆海岸线||drawlsmask（）|为土地和海洋设置设置颜色，以便其他陆地或海洋投影的图像||drawmapboundry（）|绘制海洋的地图边框||||||||||||||||||||||||||| drawRivers（）|画河||fillcontinents（）|用一种颜色填充大陆，然后填充湖泊（可选）||drawcountries（）|绘制国家边界线||drawgreatcil（）|在两个点之间的两个点之间绘制两个点||drawparallels（）|绘制纬纱||drawmeridians（）|绘制子午线||drawmapscale（）|在地图上绘制线性比率||etopo（）||将用户提供的图像投射到地球|
如果要使用边框特性，则必须在创建基本图形图时设置分辨率。基本式类别提供了一个分辨率参数来设置边界的分辨率，分为“ C”（原始分辨率），“ L”（低分辨率），“ i”（中分辨率），'H'（高分辨率）（高分辨率），'f'（全图质量分辨率），如果不使用边界线将其设置为无，则此参数的设置确定图形渲染的速度。let的以下示例以比较不同的渲染效果：
首先，我们与Matplotlib的传统风格与海洋风格进行了简单的比较：
可以看出，Seaborn使用的默认样式和参数的效果将比传统的Matplotlib格式更好。
让我们在Seaborn中介绍一些常见的图形绘图方法。
1.频繁的直方图，KDE和密度图
频率直方图：
KDE地图：
我们可以使用功能将两者结合在一起：
如果将两个维数据集输入到KDEPLOT，则可以获取两个维度数据可视地图：
同时使用两个变量的联合分布的独立分布和单个变量。在此图形中，使用白色背景：
您可以将一些参数传递到关节图功能。例如，您可以使用六边形块而不是频率直方图：
2.当矩阵映射需要视觉可视化时，必须在末尾使用对图。相关性非常有效。below我们使用虹膜数据集说明：
3.观察面部频率数据的最佳方法是观察数据的最佳方法。Seaborn的功能可以绘制这样的图形。
4.因子图也是数据子集可视化的一种方法。我们可以在另一个参数之间的间隔中观察一个参数的分布：
5.类似于矩阵图的组合分布图，您可以使用不同数据集的组合分布以及每个数据本身的分布：
组合分布也可以自动执行KDE和回归：
6.条形图
在这一点上，本章的内容已经结束，希望为您提供帮助。