Python可视化，matplotlib 入门最佳练习

前言

Python 可视化库非常多，其中 matplotlib 是优缺点明显的一个库，优点是他非常灵活，缺点就是学习起来相对复杂。

最近在整理 matplotlib 入门所需核心知识点，会顺带编写各种练习，其中主要关注如何获得快速自学 matplotlib 的思路。

本文目标图表如下：

• 每年小麦产量柱状图
• 使用不同颜色标记最小与最大值的柱子
• 画出均值线

matplotlib 有2种风格的 api：

1. MATLAB 风格，适合数据探索(图表没有过多细节要求，主要能反映数据情况即可)
2. 面向对象风格，适合编写重复自动化的图表任务或封装各种图表功能

面向对象风格非常适合入门，因此我统一使用这种风格

本文所需要的库如下：

基本套路

本次使用 vega_datasets 的小麦数据：

• 其中 year 与 wheat 是我们需要的数据

类似在一张纸上画出多种图表，其中纸就是放置图表的容器。在 matplotlib 中，这个容器称为 Figure。

因此，代码如下：

• 使用 plt.subplots() 能生成新的 figure 与 axes

"axes 是啥玩意？"

其中 axes 就是坐标系，可以把他看作是一个图表。

subplots 默认参数下，只会生成1个图表，因此现在看起来就是"这张纸(Figure)被1个图表(axes)占满"。

显然，我们需要在 axes 上添加图表各种细节，最重要的当然是数据：

• 行2：在 axes 中画柱状图(bar)，第一个参数 x 轴使用 年份数据，第二个参数柱子高度使用 wheat 列数据

但是，图表看起来有问题：

• 因为 df.year 是数值，图表按照连续数字定位 x 轴上的位置

修改数据源的类型：

现在，柱子像点样子，但是 x 轴上乱七八糟：

虽然此时图表还没有做大最终效果，但是基本形状已经出来。

接下来基本是细节操作。

初学者难以入门 matplotlib 其中一个原因是，他的方法很多，很多时候你甚至不知道如何在网上查找。

接下来就是我要介绍的，如何利用 matplotlib 的帮助，推测出我们需要的方法

各种细节的调整

首先，我们希望调整 x 轴上刻度标签的显示角度。

在 matplotlib 中对应这些概念：

• 轴：axis
• 刻度：tick
• 标签：label

通常我们的操作都是基于 axes ，因为我们总是在操作某个图表。

看看这个 axes 有什么可以让我们操作的：

• 行1：直线 plt.setp(对象)，可以查看对象有哪些可以设置的属性
• plt.setp 本身是一种批量修改值的快捷方法

看了一下，找到我们的目标：

怎么获取，非常简单：

• 前缀+下划线+属性名就能调用

"但是我们需要设置的是这些刻度标签的角度，拿一堆刻度标签有啥用？"

显然，调整角度是需要设置这些"刻度标签"对象的某个属性，按照之前的方法，查看一下：

• axes.get_xticklabels()[0] ，随意拿出第一个刻度标签对象，看看他里面有啥玩意

果然，找到需要的属性：

万事俱备了：

• 行5：从 axes 中获取所有 x 轴的刻度标签，注意这是一个 list
• 行6：plt.setp 能批量对多个东西设置属性，显然我们这里需要对前一行得到的多个刻度标签设置 rotation 为 90 度

图表成这样子：

"好像没多大改善呀"

这是因为我们的"图纸"不够宽，空间有限，自然要压缩"图纸"中的内容。

适当调整"图纸"的大小：

• 行3：传入相应参数即可

现在效果如下：

"我怎么知道这个 subplots 方法中可以设置这个参数?"

这需要查看他的文档，但是，之前我们已经学过查看某个东西可以调整的属性。

我们可以换另一种方式实现一样的效果。

用 plt.setp 方式，找到属性 figwidth ，显然这是"图纸"的宽度，于是可以这么写：

• 行4：set_figwidth 即可设置
• 怎么设置高度，不用我教了吧

做到这里，你应该会觉得任意使用一个可视化的库，可能1、2行代码即可完成，为啥要折腾这么多？

matplotlib 的灵活在于控制细节。

接下来需要把最小与最大值的柱子标记不同颜色

设置颜色

面向对象设计，意味着图表上你能看到的东西基本上都有一种对象代表他。

现在我们需要找到图表生成的每个柱子。他们在哪里？

原来，本身当我们调用 axes.bar 方法时，这个方法返回的就是这些小柱子：

显然，这是一个集合，我们需要修改其中的某几个柱子的颜色，老规矩查到属性：

现在只需要找到哪个是最小和最大值的柱子就行了：

• pandas 的方法就不多说了

均值线有特定的方法：

这里涉及一个比较高级的概念——投影与转换，这里不作介绍

图表如下：

接下来就是其他修饰

其他点缀

觉得图表风格有些单调？

看看有哪些内置风格可以选：

选用 ggplot 看看效果：

• plt.style.use 这种全局设置，最好放置在 import 之后

现在看起来有点辣眼睛：

• 因为每种内置风格都会有独特的颜色板，但我们画柱状图时没有指定颜色，因此当你使用其他风格时，可能会导致默认图表颜色改变的情况。以后使用调色板时，我们尝试动态从调色板取出标记颜色(上面的橙色与红色)

再设置一下 x、y 轴的名字与整个图表的标题。

用之前的方式，从 axes 中可以轻易找到需要的属性：

• 行18：当要对一个对象同时设置多个属性时，使用 对象.set 方法，即可批量设置

但是，字体有些小：

好吧，全局设置字体大小：

• 必须在设置风格之后，再单独修改某些设置

接下来我会继续编写更多非常规要求的图表，敬请关注！