Matplotlib 介绍

在明确了数据可视化的重要性之后，我们来关注一个在 Python 中将要使用的主要工具：Matplotlib。可以将 Matplotlib 看作是 Python 绘图库的鼻祖。它是一个功能完备的库，用于在 Python 中创建静态、动画和交互式可视化图表。

Matplotlib 由 John D. Hunter 于 2003 年最初构思，旨在在 Python 中复现 MATLAB 的绘图功能。多年来，它已成为 Python 科学计算社区中绘图的事实上的标准，并作为许多其他可视化库（包括我们接下来要讨论的 Seaborn）的基础。

Matplotlib 的功能

其核心是，Matplotlib 让你能够精确控制图表的几乎每个方面。你可以将图表（figure）看作是包含你所有绘图的整个画布或窗口。在这个图表中，你可以有一个或多个子图，在 Matplotlib 术语中通常称为 Axes。Matplotlib 允许你：

1. 创建多种多样的图表： 从简单的折线图和散点图到复杂的条形图、直方图、饼图、误差图，甚至基本的 3D 图。
2. 自定义每个元素： 你可以更改线条样式、颜色、标记 (token)类型、添加文本注释、配置坐标轴标签和刻度、添加图例、调整图表大小等等。
3. 输出多种格式： 将可视化图表保存为高质量图像（如 PNG、JPG），用于网页或报告，或者保存为矢量图形（如 PDF、SVG），这些图形在缩放时不会损失分辨率，非常适合出版物。

Matplotlib 的常见用法

Matplotlib 提供两种主要绘图方式：

1. pyplot 接口： 这是一组命令式函数，使得 Matplotlib 的工作方式类似于 MATLAB。每个 pyplot 函数都会对图表进行一些更改：例如，创建一个图表、在图表中创建一个绘图区域、在绘图区域中绘制一些线条、用标签装饰图表等。此接口常用于快速、交互式绘图和简单脚本。我们将从这种方法开始。
2. 面向对象接口： 这需要显式创建和操作 Figure 和 Axes 对象。虽然对于简单绘图来说它可能稍微冗长，但它提供了更大的控制力和灵活性，特别是在同一图表上处理多个绘图或创建复杂可视化图表时。随着你经验的增长，我们将在课程后期介绍这一点。

为什么从 Matplotlib 开始？

尽管像 Seaborn 这样的新库提供了更简单的方法来创建某些类型的统计侧重图表，但理解 Matplotlib 具有重要意义，因为：

• 它是核心： 许多其他绘图库在底层使用 Matplotlib。了解 Matplotlib 有助于你理解这些其他库的工作方式，并在需要时进一步自定义其输出。
• 它提供完全控制： 当你需要微调 (fine-tuning)图表的每个细节时，Matplotlib 让你能够做到这一点。
• 它被广泛使用： 你将在科学 Python 文档、示例和现有项目中经常遇到 Matplotlib 代码。

Matplotlib 通常与 NumPy 结合使用，NumPy 是 Python 中用于数值计算的基本包。你通常会使用 NumPy 数组（或 Pandas DataFrame，我们稍后介绍）来准备数据，然后将其传递给 Matplotlib 函数进行绘图。

本质上，Matplotlib 是一个功能强大且多功能的库，它为 Python 中的数据可视化提供构建模块。尽管其语法有时会显得冗长，但掌握其基本知识将使你能够创建几乎所有可以想象的静态图表。我们将从使用其更简单的 pyplot 接口开始，以帮助你快速上手。