我的施工之路
1我的施工计划
2数字专题
3字符串专题
4列表专题
5流程控制专题
6编程风格专题
7函数使用
8面向对象编程(上篇)
9面向对象编程(下篇)
10十大数据结构
11包和模块使用总结
12Python正则专题总结
13设计模式
14Python时间模块总结
15 Python 装饰器
16 Python 迭代器
17 Python 生成器
18 Python 绘图入门
今天，继续施工专题第19篇：Python绘图神器：matplotlib(上)
本文使用的 matplotlib 版本: 3.1.3
使用的 NumPy 版本: 1.18.1
顺便说一句，matplotlib 的近亲是 NumPy，对其的亲缘性最好，无缝支持。官档中说对Pandas数据结构某些情况支持可能有问题，这点需要注意，可能出现非预期的结果。
Matplotlib 构建的绘图体系是严谨的，它提供基本的两套绘图API：
基于 matplotlib.pyplot 模块，优点：写法简洁，适用交互性强，如Jupyter Notebook，一边写一边出图的场景；缺点：不适宜在大项目中，构建复杂的GUI图形场景。
基于面向对象(OO)的API绘图，需要自己手动创建诸如，figure 对象，axes 对象，调用它们开放出的API，优点定制能力更强，适应于大型项目，很多行脚本时；缺点：没有pyplot那般简洁。
网上matplotlib的绘图例子非常多，这篇文章我不想去罗列一个一个绘图例子，而是想结合绘图方法和例子，教会大家学会使用matplotlib的两种绘图体系，包括常用的API，以及如何调整属性，直至把一幅图做完美。
那么，先使用两套绘图方法，绘制一个简单图，重点体会它们书写的不同。
使用第一种方法绘图，即pyplot模块，在极坐标系下绘制一条螺旋线，完全使用pyplot模块内的方法：
# 创建figure fig = plt.figure(dpi=120) # 准备好极坐标系的数据 # 半径为[0,1] r = np.arange(0, 1, 0.001) theta = 2 * 2*np.pi * r # 极坐标下绘制 line, = plt.polar(theta, r, color='#ee8d18', lw=3) plt.show()使用面向对象的方法，调用axes对象同样绘制出上图：
fig = plt.figure(dpi=120) # 添加一个坐标系到figure中，返回这个坐标系 ax = fig.add_subplot(111, polar=True) r = np.arange(0, 1, 0.001) theta = 2 * 2*np.pi * r # 调用坐标系ax对象内的plot绘图 # 而不是pyplot内的plot line, = ax.plot(theta, r, color='#ee8d18', lw=3) plt.show()matplotlib 绘图元素与我们上一个专题的绘图入门介绍的元素基本对应，基本的元素包括：Figure(整个图形)，Axes(坐标系)，
主tick(major tick)，次tick(minor tick)，主tick的标签(major tick)，次tick的标签(minor tick label)，y轴标签(y axis label)，线(line)，标题(title)，网格(Grid)，图例(Legend)，标注点(Markers)，
Spines 是连接轴刻度标记的线，而且标明了数据区域的边界。
Figure 是所有绘图元素的最顶层容器， 而 Axes 是 Figure 上的其中一个坐标系，言外之意，一个 Figure 能包括多个 Axes!
如下创建 Figure 时，会默认创建一个 Axes
# figure() 创建一个Figure对象 fig = plt.figure() print(type(fig)) # 并且默认创建一个坐标系Axes print(plt.gca) plt.plot() plt.show()当然我们也可以一个 Figure 对象中包括多个 Axes 对象，如下包括4个：
fig = plt.figure() for i in range(1,5): ax = fig.add_subplot(220+i) ax.plot() plt.title('Axes'+str(i)) # 解决元素重叠问题 fig.tight_layout() plt.show()正如上图所示，matplotlib 有2个方法能自动解决重叠问题，一个就是上面用到的tight_layout方法，再有一个subplots_adjust：
fig.subplots_adjust(0,0,1,1,hspace=0.5,wspace=0.5)那么问题来了，如果实现更加鸡血的布局，该如何做？借助 GridSpec，使用方法如下所示：
fig = plt.figure() fig.suptitle("gs[y, x]", x=0.5, y=1.2, fontsize=20) # 创建4*4的对象 gs = fig.add_gridspec(4, 4) # 创建第一行 ax1 = fig.add_subplot(gs[0,0:4]) ax1.set_title('[0,0:4]') # 创建中间四行 ax2 = fig.add_subplot(gs[1,1:3]) ax2.set_title('[1,1:3]') ax3 = fig.add_subplot(gs[2:4,1]) ax3.set_title('[2:4,1]') ax4 = fig.add_subplot(gs[2,2]) ax4.set_title('[2,2]') plt.tight_layout()借助全局参数配置字典rcParams，只需要在代码开头，添加如下两行代码：
#解决中文显示问题 # 指定默认字体 plt.rcParams['font.sans-serif'] = ['KaiTi'] # 解决保存图像是负号'-'显示为方块的问题 plt.rcParams['axes.unicode_minus'] = False详细参考前几天的推送，专题第18篇：Python 绘图入门，使用animation模块，FuncAnimation方法，定义好回调函数，入参为整数，代表帧数。
如下为绘制饼图的动画，展示逻辑如下：
fig,ax = plt.subplots() explode=[0.01,0.01,0.01,0.01] def getmepie(i): def absolute_value(val): a = np.round(val/100.*df1.head(i).max().sum(), 0) return int(a) ax.clear() plot = df1.head(i).max().plot.pie(y=df1.columns,autopct=absolute_value, label='',explode = explode, shadow = True) plot.set_title('Total Number of Deaths\n' + str(df1.index[min( i, len(df1.index)-1 )].strftime('%Y-%m-%d')), fontsize=12)animator = ani.FuncAnimation(fig, getmepie, interval = 200) plt.show() 绘制动画只有这一行，调用FuncAnimation，它的第二个参数为上面定义的函数getmepie:
animator = ani.FuncAnimation(fig, getmepie, interval = 200) plt.show() 绘制后的饼图部分 gif 动画，录制效果如下：
今天就先介绍这些，下一篇介绍使用matplotlib的具体案例。如果觉得这些文章有帮助，欢迎点个赞支持一下。
