2.2.4 Matplotlib
Matplotlib是绘制高质量2D图像的Python库。可以方便地绘制折线图、柱状图、散点图等多种图形；丰富的样式和灵活的标注可以更加直观地呈现图像；此外，Matplotlib的API的设计简洁清晰，官网的文档详尽易懂。这些特点使它成为Python实现数据可视化的一把利器。
官网手册
http://matplotlib.org/contents.html
内容概述
表2-4 两种类型的API使用
示例版本
版本号：1.53
日期：2016.12.05
示例讲解
用两种类型的API可以做出如图2.1所示的图像，请注意代码中尽量使用详尽的注释。读者可依据代码体会两种绘图思想。更多的细节处理可参考官网去学习与实现。
图2.1 Matplotlib绘制cosine图像
面向过程作图
面向过程作图是指利用pyplot包提供的函数命令来逐步绘图。步骤如下：先创建figure，类似于图纸；再调用函数创建坐标系，绘制图像；最后调整刻度及标签、添加注释并依次绘制图像的各个细节。
pyplot的绘图命令只是对面向对象做图接口的封装，实现类似MATLAB的作图方式。它的代码示例如下：
import numpy as np
import matplotlib.pyplot as plt
#X轴、Y轴数据
X = np.linspace(-1.5 * np.pi, 2 * np.pi, 256, endpoint=True)
C= np.cos(X)
#plt创建图纸
plt.figure(figsize=(10, 4), dpi=100)
#plt定位坐标
ax = plt.subplot(111)
#调整坐标轴
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
#plt画图
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label=
"cosine")
#axis对象设置数据轴宽度、修改刻度、刻度标签
plt.xlim(X.min()*1.1, X.max()*1.1)
plt.xticks([-1.5 * np.pi, -np.pi, -np.pi/2, 0, np.pi/2, np.pi, 1.5
* np.pi, 2*np.pi],
[r'$-3/2\pi$', r'$-\pi$', r'$-\pi/2$', r'$0$',
r'$+\pi/2$', r'$+\pi$', r'$+3/2\pi$', r'$+2\pi$'])
plt.ylim(C.min()*1.1, C.max()*1.1)
plt.yticks([-1, +1],
[r'$-1$', r'$+1$'])
#plt绘制注释
t = 2*np.pi/3
plt.plot([t, t], [0, np.cos(t)], color ='red', linewidth=1.5, linestyle
="--")
plt.scatter([t, ], [np.cos(t), ], 50, color ='blue')
plt.annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
xy=(t, np.cos(t)), xycoords='data',
xytext=(-90, -50), textcoords='offsetpoints', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3, rad=.2"))
#plt调整图例
plt.legend(loc='upperleft', frameon=False)
#plt展示图像
plt.show()
面向对象作图
Matplotlib提出了Object Container（对象容器）的概念，它有Figure、Axes、Axis、Tick四种类型的对象容器。Figure负责图像大小、位置等操作；Axes负责坐标系位置、绘图等操作；Axis负责坐标轴的操作；Tick负责刻度的相关操作。
四种对象容器之间是层层包含的关系。Figure包含Axes、Axes包含Axis、Axis包含Tick。我们用一种不太确切但是形象的方式来说明“包含”的含义以及作图的过程：Figure定位图像大小、位置之后返回一个Axes对象；Axes对象绘制图片、调整坐标轴位置之后发回一个Axis对象；Axis对象又可以来设置X、Y坐标的显示长度，刻度以及刻度标签等，之后返回Tick对象；Tick对象则可以格式化各个刻度的样式等。代码示例如下。
import numpy as np
import matplotlib.py plot as plt
#X轴、Y轴数据
X = np.linspace(-1.5 * np.pi, 2 * np.pi, 256, endpoint=True)
C = np.cos(X)
#创建figure对象
fig = plt.figure(figsize=(10,4), dpi=100, tight_layout=True)
#figure对象获取axes对象
ax = fig.add_subplot(111)
#axes对象绘图
ax.plot(X, C, color="blue", linewidth=2.5, linestyle="-",
label="cosine")
#axes对象调整坐标轴
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
#axes对象获取axis对象
xAxis = ax.get_xaxis()
yAxis = ax.get_yaxis()
#axis对象设置数据轴宽度、修改刻度、刻度标签
xAxis.set_data_interval(X.min()*1.1, X.max()*1.1)
xAxis.set_ticks([-1.5 * np.pi, -np.pi, -np.pi/2, 0, np.pi/2, np.pi,
1.5 * np.pi, 2*np.pi])
xAxis.set_ticklabels([r'$-3/2\pi$', r'$-\pi$', r'$-\pi/2$', r'$0$',
r'$+\pi/2$', r'$+\pi$', r'$+3/2\pi$', r'$+2\pi$'])
yAxis.set_data_interval(C.min()*1.1, C.max()*1.1)
yAxis.set_ticks([-1, +1])
yAxis.set_ticklabels([r'$-1$', r'$+1$'])
#axis对象设置刻度位置
xAxis.set_ticks_position('bottom')
yAxis.set_ticks_position('left')
#figure添加ax2对象，与ax共用一个区域
ax2 = fig.add_subplot(111)
#axes对象作图，以及添加注释
t = 2*np.pi/3
ax2.plot([t, t], [0, np.cos(t)], color ='red', linewidth=1.5, linestyle=
"--")
ax2.scatter([t, ], [np.cos(t), ], 50, color ='blue')
ax2.annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
xy=(t, np.cos(t)), xycoords='data',
xytext=(-90, -50), textcoords='offsetpoints', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3, rad=.2"))
#axes对象添加图例
ax.legend(loc='upperleft', frameon=False)
#展示图像
fig.show()