背景：
我們現在將深入研究Matplotlib包，以便在Python中進行可視化。 Matplotlib是一個基於NumPy陣列的多平臺數據可視化庫，旨在與更廣泛的SciPy協同工作。它由John Hunter在2002年構思，最初是作爲IPython的補丁，用於通過來自IPython命令行的gnuplot實現交互式MATLAB風格的繪圖。 IPython的創始人Fernando Perez當時正完成他的博士學位，而約翰知道他幾個月沒時間補丁了。約翰認爲這是他自己開始的一個提示，Matplotlib軟件包誕生了，2003年發佈了0.1版本。當它被作爲太空望遠鏡科學研究所選擇的繪圖包時，它得到了早期的提升。哈勃望遠鏡背後的科學家在財務上支持Matplotlib的開發並大大擴展了其功能。
Matplotlib最重要的功能之一是它能夠很好地兼容許多操作系統和圖形後端。 Matplotlib支持許多後端和輸出類型，這意味着無論您使用哪種操作系統或您希望使用哪種輸出格式，您都可以依賴它。這種跨平臺，一切對每個人的方法都是Matplotlib的強大優勢之一。它帶來了龐大的用戶羣，這反過來又導致了活躍的開發人員基礎和Matplotlib在科學Python世界中的強大工具和普遍性。
然而，近年來，Matplotlib的界面和風格已經開始顯示它們的年齡。 R語言中的ggplot和ggvis等新工具，以及基於D3js和HTML5畫布的Web可視化工具包，經常使Matplotlib感覺笨重和老式。儘管如此，我認爲我們不能忽視Matplotlib作爲經過良好測試的跨平臺圖形引擎的優勢。最近的Matplotlib版本使得設置新的全局繪圖樣式變得相對容易（請參閱自定義Matplotlib：配置和樣式表），人們一直在開發基於其強大內部構建的新軟件包，通過更清晰，更現代的API來驅動Matplotlib，例如， Seaborn（可視化與Seaborn討論），ggpy，HoloViews，Altair，甚至Pandas本身都可以用作Matplotlib API的包裝。即使使用這樣的包裝器，通常也可以深入研究Matplotlib的語法來調整最終的繪圖輸出。出於這個原因，我相信Matplotlib本身仍將是數據可視化堆棧的重要組成部分，即使新工具意味着社區逐漸不再使用Matplotlib API。
Matplotlib
一般Matplotlib技巧
在我們深入瞭解使用Matplotlib創建可視化的細節之前，您應該瞭解一些有關使用該軟件包的有用信息。 1.導入Matplotlib 就像我們使用np簡寫爲NumPy和pandas的pd簡寫一樣，我們將使用Matplotlib導入的一些標準shorthands：
import matplotlib as mpl import matplotlib.pyplot as plt
我們將matplotlib導入爲mpl，將matplotlib.pyplot導入爲plt 而plt接口是我們最常使用的接口。
設置樣式
我們將使用plt.style指令爲我們的數字選擇合適的美學風格。在這裏，我們將設置經典樣式，確保我們創建的圖使用經典的Matplotlib樣式：
plt.style.use（ 'classic'）
我們可以根據自己需求調整樣式。
如何顯示我們畫的圖
Matplotlib大概三個常用的編譯環境，分別是腳本，IPython終端或IPython筆記本中使用Matplotlib。
- 從腳本繪圖 如果您在腳本中使用Matplotlib，則函數plt.show（）並打開一個或多個顯示您的圖形或圖形的交互式窗口。有一點需要注意：plt.show（）命令每個Python會話只能使用一次，最常見於腳本的最後。
- 從IPython shell繪圖 在IPython shell中以交互方式使用Matplotlib非常方便（參見IPython：Beyond Normal Python）。如果指定Matplotlib模式，IPython可以很好地與Matplotlib一起使用。要啓用此模式，可以在啓動ipython後使用％matplotlib magic命令：
- 從IPython筆記本繪圖 IPython筆記本是一種基於瀏覽器的交互式數據分析工具，可以將敘述，代碼，圖形，HTML元素等組合到一個可執行文檔中（參見IPython：Beyond Normal Python）。可以使用％matplotlib命令在IPython筆記本中以交互方式繪製，並以與IPython shell類似的方式工作。％matplotlib inline 筆記本將導致嵌入在筆記本中的交互式圖
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 10, 100) fig = plt.figure() plt.plot(x, np.sin(x), '-') plt.plot(x, np.cos(x), '--');
保存已經畫好的圖片
Matplotlib的一個很好的功能是能夠以各種格式保存數字。 可以使用savefig（）命令保存圖形。 例如，要將上一個圖保存爲PDF文件，可以運行以下命令：
fig.savefig('my_figure.pdf')使用一下命令確認該圖已經保存
# In[*]
fig.savefig('my_figure.jpeg')
from IPython.display import Image
Image('my_figure.jpeg')在savefig（）中，文件格式是從給定文件名的擴展名推斷出來的。 根據您安裝的後端，可以使用許多不同的文件格式。 通過使用圖形畫布對象的以下方法，可以爲系統找到支持的文件類型列表：
fig.canvas.get_supported_filetypes()
Out[12]:
{'ps': 'Postscript',
'eps': 'Encapsulated Postscript',
'pdf': 'Portable Document Format',
'pgf': 'PGF code for LaTeX',
'png': 'Portable Network Graphics',
'raw': 'Raw RGBA bitmap',
'rgba': 'Raw RGBA bitmap',
'svg': 'Scalable Vector Graphics',
'svgz': 'Scalable Vector Graphics',
'jpg': 'Joint Photographic Experts Group',
'jpeg': 'Joint Photographic Experts Group',
'tif': 'Tagged Image File Format',
'tiff': 'Tagged Image File Format'}Matplotlib的兩個接口
Matplotlib的一個可能令人困惑的特性是它的雙重接口：一個方便的
MATLAB風格的基於狀態的接口，以及一個更強大的面向對象的接口。
MATLAB風格的基於狀態的接口
Matplotlib最初是作爲MATLAB用戶的Python替代編寫的，其大部分語法都反映了這一事實。 MATLAB風格的工具包含在pyplot（plt）界面中。 例如，以下代碼可能對MATLAB用戶來說非常熟悉：
plt.figure() #創建圖形 # 設置雙圖的第一個圖 plt.subplot(2, 1, 1) # (rows, columns, panel number) plt.plot(x, np.sin(x)) # 設置雙圖的第二個圖 plt.subplot(2, 1, 2) plt.plot(x, np.cos(x));
這種接口最重要的特點是有狀態的，它會跟蹤‘當前的’圖片和座標軸，可以使用plt.gcf()和plt.gca()獲取當前圖片和座標軸。這樣帶來的問題就是當我們畫第二個圖時，怎麼回到第一個子圖並增加新內容呢？
面向對象的接口
fig, ax = plt.subplots(2) # Call plot() method on the appropriate object ax[0].plot(x, np.sin(x)) ax[1].plot(x, np.cos(x));
一般而言選擇使用哪種樣式在取決於偏好，但是當面對比較複雜的圖時，應該選擇ax.plot()。在大多數情況下，將plt.plot（）切換到ax.plot（）差別很小，但是我們將在下面的部分中提出一些問題。