微信公衆號：「Python讀財」
如有問題或建議，請公衆號留言
Pandas教程寫的差不多了，來寫一寫與數據可視化相關的Matplotlib系列教程吧。讀過Pandas系列文章的讀者應該都知道，我寫文章更多的會融入我對這個東西的理解，Matplotlib系列也是如此。這個系列會涉及Matplotlib的一些簡單的概念、繪圖原理、常見圖形的繪製以及一些高階的繪圖技巧。學完之後，期待達到的效果是可以用Matplotlib畫出這樣的圖形。
這篇文章先介紹一下Matplotlib的一些簡單基本概念和繪圖原理，直入正題~
不知道有多少同學和我一樣，在剛接觸Matplotlib時，會被書上的plt、ax以及subplots等各種概念所迷惑，心裏存在無數個問號，這些究竟是啥？畫出來的圖不是一樣的嗎？他們有啥區別？下面就一步步來解答這些迷惑。
概念引入
首先，我們應該要了解一張用Matplotlib畫出來的圖的具體構造，引用一張官方的圖：
我們先主要看圖裏面紅色框的Figure和藍色框的Axes，如何理解這兩個東西呢？
如果將Matplotlib繪圖和我們平常畫畫相類比，可以把Figure想象成一張紙（一般被稱之爲畫布），Axes代表的則是紙中的一片區域（當然可以有多個區域，這是後續要說到的subplots），上一張更形象一點的圖。
[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-FgVXCRD3-1588326654062)(https://upload-images.jianshu.io/upload_images/8316927-2513383c7b8e3600.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)]
在Figure畫布中，Axes1區域畫了一張數據儀表盤，Axes2區域畫了柱狀圖，Axes3區域繪製了一張地圖，相信還是挺好理解的。
兩種繪圖方式區別
對着兩個概念有基本的瞭解後，就可以來看看plt.plot()和ax.plot()有何區別了，下面列出了兩種用Matplotlib繪製圖表的方式。
- plt
# 第一種方式
plt.figure()
plt.plot([1,2,3],[4,5,6])
plt.show()
- ax
# 第二種方式
fig,ax = plt.subplots()
ax.plot([1,2,3],[4,5,6])
plt.show()
繪圖效果如下
可以看到，不論是用plt.plot()還是ax.plot()，結果都是一樣的
那區別在哪裏？
從第一種方式的代碼來看，先生成了一個Figure畫布，然後在這個畫布上隱式生成一個畫圖區域進行畫圖。
第二種方式同時生成了Figure和axes兩個對象，然後用ax對象在其區域內進行繪圖
如果從面向對象編程（對理解Matplotlib繪圖很重要）的角度來看，顯然第二種方式更加易於解釋，生成的fig和ax分別對畫布Figure和繪圖區域Axes進行控制，第一種方式反而顯得不是很直觀，如果涉及到子圖零部件的設置，用第一種繪圖方式會很難受。
在實際繪圖時，也更推薦使用第二種方式。
subplot的繪製
下面通過介紹subplots加深對第二種繪圖方式的理解
假如現在我要在一張紙上左邊畫一個折線圖，右邊畫一個散點圖，該如何畫呢？
首先要有一個畫布Figure，其次，需要有兩個區域Axes（等價於兩個子圖subplot）來畫圖
# 生成畫布和axes對象
# nrows=1和ncols=2分別代表1行和兩列
fig,ax = plt.subplots(nrows=1,ncols=2)
因爲這裏有兩個畫圖區域，所以ax對應的是一個列表，存儲了兩個Axes對象。
然後分別控制左邊和右邊的繪圖區域進行繪圖
fig,ax = plt.subplots(nrows=1,ncols=2)
ax[0].plot([1,2,3],[4,5,6])
ax[1].scatter([1,2,3],[4,5,6])
其實到這裏了也會發現，一個Axes對象對應了一個subplot子圖，這些個子圖都是畫在同一個畫布Figure之上。
讀到這裏可能已經對Matplotlib繪圖有點感覺了，下一篇系列文章會接着介紹Matplotlib常見組件的設置。
關注我的公衆號「Python讀財」，後臺回覆「py」即可獲取Python學習資源禮包
