一、實驗介紹
1.1 實驗內容
Matplotlib 是支持 Python 語言的開源繪圖庫，因爲其支持豐富的繪圖類型、簡單的繪圖方式以及完善的接口文檔，深受 Python 工程師、科研學者、數據工程師等各類人士的喜歡。這是 Matplotlib 繪圖課程的第一章節，將帶你瞭解如何使用 Matplotlib 繪製 2D 圖像。
1.2 實驗知識點
- Matplotlib 繪製 2D 圖像
1.3 實驗環境
- python2.7
- Xfce 終端
- ipython 終端
1.4 適合人羣
本課程難度爲一般，屬於初級級別課程，適合具有 Python 基礎，並對使用 Matplotlib 繪圖感興趣的用戶。
1.5 官方文檔
學習本課程之前，你需要先下載官方文檔，推薦保存到你的本地電腦上。Matplotlib 的內容量非常大（官方文檔都有 3000 多頁），課程側重進行介紹並演示。部分補充內容，文中會給出官方文檔的頁碼，方便課後自行查閱。
https://matplotlib.org/2.0.2/Matplotlib.pdf
二、Matplotlib 初探
在日常的工作和學習過程中，我們都會遇到需要針對數據進行繪圖的時候。談起數據繪圖，你應該最先想到的是 Excel。Excel 操作起來相對簡單，提供的圖形樣式也可以滿足大部分人日常繪圖的需要。但是，如果你處於工程、數據科學相關專業領域，使用 Excel 繪圖就顯得捉襟見肘了。首先，Excel 默認 提供的圖形樣式有限，其次是自定義程度不高。
很多時候，我們會使用到 Matlab 提供的繪圖模塊，又或者使用 Origin 進行繪圖。這些軟件固然都很不錯，但均爲商業軟件，使用時需要獲得授權。
今天介紹的 Matplotlib 就是一個可以媲美商業軟件效果的開源繪圖工具，你只需要掌握一點 Python 語言，就可以繪製出任何需要的圖形。Matplotlib 擁有着十分活躍的社區以及穩定的版本迭代。選擇 Matplotlib 無疑是和數據打交道時最明智的選擇之一。
2.1 Matplotlib 安裝
實驗樓的在線環境，默認已經安裝了 Matplotlib 1.3.1 版本。目前，Matplotlib 的最新穩定版本爲 2.0.2。本課程內容基於實驗樓在線環境版本，在本地測試時，某一些模塊可能會有一些變化。
如果你想在本地安裝 Matplotlib，可以這樣做：
Linux:
Debian / Ubuntu : sudo apt-get install python-matplotlib
Fedora / Redhat : sudo yum install python-matplotlib
Windows & macOS:
python -m pip install -U pip setuptools
python -m pip install matplotlib
2.2 繪製簡單的折線圖需要幾步？
我們都說了，Matplotlib 是一個非常簡單而又完善的開源繪圖庫。那麼它到底有多簡單呢？
下面，我們通過 3 行代碼繪製一張簡單的折線圖。你可以通過在線環境左下角的應用程序菜單 > 附件，打開 ipython
交互式終端（本課程默認），並鍵入下面的代碼。
from matplotlib import pyplot as plt
plt.plot([1,2,3,2,1,2,3,4,5,6,5,4,3,2,1])
plt.show()
我們可以看到，一張和山峯樣式相似的折線圖就繪製出來了。接下來，我們來解析一下這三行代碼的含義。
from matplotlib import pyplot as plt
第一行代碼是從 Matplotlib 中導入了 pyplot 繪圖模塊，並將其簡稱爲 plt。pyplot
模塊是 Matplotlib 最核心的模塊，幾乎所有樣式的 2D 圖形都是經過該模塊繪製出來的。這裏簡稱其爲 plt 是約定俗成的，希望你也這樣書寫代碼，以便擁有更好的可讀性。
plt.plot([1,2,3,2,1,2,3,4,5,6,5,4,3,2,1])
plt.plot() 是 pyplot 模塊下面的直線繪製（折線圖）方法類。示例中包含了一個[1,2,3,2,1,2,3,4,5,6,5,4,3,2,1]列表，這裏默認代表將該列表作爲 y值，而 x 值會從 0 到 n-1。
plt.show()
最後一行代碼表示將圖顯示出來。
2.3 除了折線圖，怎樣繪製其他圖？
上面演示瞭如何通過 3 行代碼繪製一張折線圖。那麼，除了折線圖，我們平常還要繪製柱狀圖、散點圖、餅狀圖等等。這些圖應該怎樣繪製呢？
上文中，我們提到了 pyplot 模塊，其中 pyplot.plot 方法是用來繪製折線圖的。你應該會很容易聯想到，更改後面的方法類名就可以更改圖形的樣式，會是這樣的嗎？
的確，在 Matplotlib 中，大部分圖形樣式的繪製方法都存在於 pyplot 模塊中。例如：
| 方法 | 含義 |
|---|---|
matplotlib.pyplot.angle_spectrum |
繪製電子波譜圖 |
matplotlib.pyplot.bar |
繪製柱狀圖 |
matplotlib.pyplot.barh |
繪製直方圖 |
matplotlib.pyplot.broken_barh |
繪製水平直方圖 |
matplotlib.pyplot.contour |
繪製等高線圖 |
matplotlib.pyplot.errorbar |
繪製誤差線 |
matplotlib.pyplot.hexbin |
繪製六邊形圖案 |
matplotlib.pyplot.hist |
繪製柱形圖 |
matplotlib.pyplot.hist2d |
繪製水平柱狀圖 |
matplotlib.pyplot.imshow |
以圖像顯示 |
matplotlib.pyplot.pie |
繪製餅狀圖 |
matplotlib.pyplot.quiver |
繪製量場圖 |
matplotlib.pyplot.scatter |
散點圖 |
matplotlib.pyplot.specgram |
繪製光譜圖 |
matplotlib.pyplot.subplot |
繪製子圖 |
除此之外，對圖像樣式的微調，包括標註、填充、自定義座標軸等也同樣包含在 pyplot 模塊中。例如：
| 方法 | 含義 |
|---|---|
matplotlib.pyplot.annotate |
繪製圖形標註 |
matplotlib.pyplot.axhspan |
繪製垂直或水平色塊 |
matplotlib.pyplot.clabel |
標註輪廓線 |
matplotlib.pyplot.fill |
填充區域 |
matplotlib.pyplot 模塊下一共包含了 160 餘個不同的方法（官方文檔
p1387），這些方法涉及到圖像繪製的方方面面，這裏就不再一一羅列。在後面的實驗中，我們會慢慢接觸到其中最常用的方法，這些方法足以滿足大部分繪圖需求。
三、2D 圖像繪製
下面，我們就來一些常見類型的圖像繪製及參數使用。
3.1 線型圖
方法：matplotlib.pyplot.plot(*args, **kwargs)
上面我們見到使用該方法來繪製折線圖。其實，matplotlib.pyplot.plot(*args, **kwargs)方法嚴格來講可以繪製線型圖或者樣本標記。其中，*args允許輸入單個 y 值或 x,y 值。
例如，我們這裏繪製一張自定義 x,y 的曲線圖。繪製點什麼好呢？那就正弦曲線吧。
from matplotlib import pyplot as plt #載入 pyplot 繪圖模塊
import numpy as np # 載入數值計算模塊
# 在 -2PI 和 2PI 之間等間距生成 1000 個值，也就是 X 座標
X = np.linspace(-2*np.pi, 2*np.pi, 1000)
# 計算 y 座標
y = np.sin(X)
# 向方法中 `*args` 輸入 X，y 座標
plt.plot(X, y)
plt.show()
這樣，1 條正弦曲線就繪製出來了。但值得注意的是，pyplot.plot 在這裏繪製的正弦曲線，實際上不是嚴格意義上的曲線圖，而在兩點之間依舊是直線。這裏看起來像曲線是因爲樣本點相互捱得很近。
3.2 柱形圖
方法：matplotlib.pyplot.bar(*args, **kwargs)
柱形圖大家應該都非常瞭解了。這裏，我們直接用上面的線性圖的代碼，僅把 plt.plot(X, y) 改成 plt.bar(X,
y) 試一下。
效果好像不太好，問題當然是出在這裏：X = np.linspace(-2*np.pi, 2*np.pi, 1000)。橫座標是等間距生成的 1000 個值，效果當然會堆積在一起了。嘗試把 1000 改成 10再試一次。
from matplotlib import pyplot as plt #載入 pyplot 繪圖模塊
import numpy as np # 載入數值計算模塊
# 在 -2PI 和 2PI 之間等間距生成 10 個值，也就是 X 座標
X = np.linspace(-2*np.pi, 2*np.pi, 10)
# 計算 y 座標
y = np.sin(X)
# 向方法中 `*args` 輸入 X，y 座標
plt.bar(X, abs(y)) # y 值取絕對值
plt.show()
柱形圖的樣式終於出來了。
3.3 散點圖
方法：matplotlib.pyplot.scatter(*args, **kwargs)
散點圖就是呈現在二維平面的一些點，這種圖像的需求也是非常常見的。比如，我們通過 GPS 採集的數據點，它會包含經度以及緯度兩個值，這樣的情況就可以繪製成散點圖。下面，我們畫一個試試。
from matplotlib import pyplot as plt #載入 pyplot 繪圖模塊
import numpy as np # 載入數值計算模塊
# X,y 的座標均有 numpy 在 0 到 1 中隨機生成 1000 個值
X = np.random.normal(0,1,1000)
y = np.random.normal(0,1,1000)
# 向方法中 `*args` 輸入 X，y 座標
plt.scatter(X, y)
plt.show()
3.4 餅狀圖
方法：matplotlib.pyplot.pie(*args, **kwargs)
餅狀圖在有限列表以百分比呈現時特別有用，你可以很清晰地看出來各類別之間的大小關係，以及各類別佔總體的比例。
from matplotlib import pyplot as plt #載入 pyplot 繪圖模塊
Z = [1, 2, 3, 4, 5]
# 繪圖
plt.pie(Z)
plt.show()
這裏的 Z 值反映了互相之間的大小關係，而無論輸入多少個值，最終都是在一張餅（100%）裏瓜分。
3.5 量場圖
方法：matplotlib.pyplot.quiver(*args, **kwargs)
量場圖就是由向量組成的圖像，在氣象學等方面被廣泛應用。從圖像的角度來看，量場圖就是帶方向的箭頭符號。
from matplotlib import pyplot as plt #載入 pyplot 繪圖模塊
import numpy as np # 載入數值計算模塊
# 生成數據矩陣
X, y = np.mgrid[0:10, 0:10]
# 繪圖
plt.quiver(X, y)
plt.show()
3.6 等高線圖
方法：matplotlib.pyplot.contourf(*args, **kwargs)
中學學習地理的時候，我們就知道等高線了。等高線圖是工程領域經常接觸的一類圖，那麼如何用 Matplotlib 畫出來呢？
from matplotlib import pyplot as plt #載入 pyplot 繪圖模塊
import numpy as np # 載入數值計算模塊
# 生成數據
x = np.linspace(-5, 5, 500)
y = np.linspace(-5, 5, 500)
X, Y = np.meshgrid(x, y)
Z = (1 - X / 2 + X ** 3 + Y ** 4) * np.exp(-X ** 2 - Y ** 2)
# 繪圖
plt.contourf(X, Y, Z)
plt.show()
值得注意的是，當我們向 contourf(X,Y,Z) 傳入數據時，一定要注意相互之間的維度關係，不然很容易報錯。其中，當 X,Y,Z
都是 2 維數組時，它們的形狀必須相同。如果都是 1 維數組時，len(X)是 Z 的列數，而 len(Y) 是
Z 中的行數。
2 維數組示例：
X = [[1, 2], [3, 4]]
Y = [[1, 2], [3, 4]]
Z = [[1, 2], [3, 4]]
1 維數組示例：
X = [1, 2]
Y = [-1, -2, -3]
Z = [[1, 2], [3, 4], [5, 6]]
四、實驗總結
本次實驗對 pyplot 裏包含的繪圖方法進行了初步熟悉，並學會使用這些方法的默認參數繪製簡單的圖形樣式。接下來的進階實驗將學習方法中提供的參數，繪製更爲複雜漂亮的 2D 圖像。
五、課後習題
1.自行閱讀官方文檔從 1387 頁開始對 [matplotlib.pyplot] 模塊的介紹內容。對本章節介紹過的方法加深印象。若有餘力，學習並掌握剩餘沒有介紹的方法。