轉發本文并私信我"Python"，即可獲得Python資料以及各種心得(持續更新的)

Python 可視化庫非常多，其中 matplotlib 是優缺點明顯的一個庫，優點是它非常靈活，缺點就是學習起來相對複雜。

最近在整理 matplotlib 入門所需核心知識點，會順帶編寫各種練習，其中主要關注如何獲得快速自學 matplotlib 的思路。

本文目标圖表如下：

• 每年小麥産量柱狀圖
• 使用不同顔色标記最小與最大值的柱子
• 畫出均值線

matplotlib 有2種風格的 api：

1. MATLAB 風格，适合數據探索(圖表沒有過多細節要求，主要能反映數據情況即可)
2. 面向對象風格，适合編寫重複自動化的圖表任務或封裝各種圖表功能

面向對象風格非常适合入門，因此我統一使用這種風格

本文所需要的庫如下：

本次使用 vega_datasets 的小麥數據：

• 其中 year 與 wheat 是我們需要的數據

類似在一張紙上畫出多種圖表，其中紙就是放置圖表的容器。在 matplotlib 中，這個容器稱為 Figure。

因此，代碼如下：

• 使用 plt.subplots() 能生成新的 figure 與 axes

"axes 是啥玩意？"

其中 axes 就是坐标系，可以把它看作是一個圖表。

subplots 默認參數下，隻會生成1個圖表，因此現在看起來就是"這張紙(Figure)被1個圖表(axes)占滿"。

顯然，我們需要在 axes 上添加圖表各種細節，最重要的當然是數據：

• 行2：在 axes 中畫柱狀圖(bar)，第一個參數 x 軸使用 年份數據，第二個參數柱子高度使用 wheat 列數據

但是，圖表看起來有問題：

• 因為 df.year 是數值，圖表按照連續數字定位 x 軸上的位置

修改數據源的類型：

現在，柱子像點樣子，但是 x 軸上亂七八糟：

雖然此時圖表還沒有做大最終效果，但是基本形狀已經出來。

接下來基本是細節操作。

初學者難以入門 matplotlib 其中一個原因是，他的方法很多，很多時候你甚至不知道如何在網上查找。

接下來就是我要介紹的，如何利用 matplotlib 的幫助，推測出我們需要的方法

首先，我們希望調整 x 軸上刻度标簽的顯示角度。

在 matplotlib 中對應這些概念：

• 軸：axis
• 刻度：tick
• 标簽：label

通常我們的操作都是基于 axes ，因為我們總是在操作某個圖表。

看看這個 axes 有什麼可以讓我們操作的：

• 行1：直線 plt.setp(對象)，可以查看對象有哪些可以設置的屬性
• plt.setp 本身是一種批量修改值的快捷方法

看了一下，找到我們的目标：

怎麼獲取，非常簡單：

• 前綴 下劃線 屬性名就能調用

"但是我們需要設置的是這些刻度标簽的角度，拿一堆刻度标簽有啥用？"

顯然，調整角度是需要設置這些"刻度标簽"對象的某個屬性，按照之前的方法，查看一下：

• axes.get_xticklabels()[0] ，随意拿出第一個刻度标簽對象，看看他裡面有啥玩意

果然，找到需要的屬性：

萬事俱備了：

• 行5：從 axes 中獲取所有 x 軸的刻度标簽，注意這是一個 list
• 行6： plt.setp 能批量對多個東西設置屬性，顯然我們這裡需要對前一行得到的多個刻度标簽設置 rotation 為 90 度

圖表成這樣子：

"好像沒多大改善呀"

這是因為我們的"圖紙"不夠寬，空間有限，自然要壓縮"圖紙"中的内容。

适當調整"圖紙"的大小：

• 行3：傳入相應參數即可

現在效果如下：

"我怎麼知道這個 subplots 方法中可以設置這個參數?"

這需要查看他的文檔，但是，之前我們已經學過查看某個東西可以調整的屬性。

我們可以換另一種方式實現一樣的效果。

用 plt.setp 方式，找到屬性 figwidth ，顯然這是"圖紙"的寬度，于是可以這麼寫：

• 行4： set_figwidth 即可設置
• 怎麼設置高度，不用我教了吧

做到這裡，你應該會覺得任意使用一個可視化的庫，可能1、2行代碼即可完成，為啥要折騰這麼多？

matplotlib 的靈活在于控制細節。

現在剩下如何把最小與最大值的柱子标記不同顔色

面向對象設計，意味着圖表上你能看到的東西基本上都有一種對象代表他。

現在我們需要找到圖表生成的每個柱子。他們在哪裡？

原來，本身當我們調用 axes.bar 方法時，這個方法返回的就是這些小柱子：

顯然，這是一個集合，我們需要修改其中的某幾個柱子的顔色，老規矩查到屬性：

現在隻需要找到哪個是最小和最大值的柱子就行了：

• pandas 的方法就不多說了

均值線有特定的方法：

這裡涉及一個比較高級的概念——投影與轉換，這裡不作介紹

圖表如下：

接下來就是其他修飾

覺得圖表風格有些單調？

看看有哪些内置風格可以選：

選用 ggplot 看看效果：

• plt.style.use 這種全局設置，最好放置在 import 之後

現在看起來有點辣眼睛：

• 因為每種内置風格都會有獨特的顔色闆，但我們畫柱狀圖時沒有指定顔色，因此當你使用其他風格時，可能會導緻默認圖表顔色改變的情況。以後使用調色闆時，我們嘗試動态從調色闆取出标記顔色(上面的橙色與紅色)

再設置一下 x、y 軸的名字與整個圖表的标題。

用之前的方式，從 axes 中可以輕易找到需要的屬性：

• 行18：當要對一個對象同時設置多個屬性時，使用 對象.set 方法，即可批量設置

但是，字體有些小：

好吧，全局設置字體大小：

• 必須在設置風格之後，再單獨修改某些設置

接下來我會繼續編寫更多非常規要求的圖表，敬請關注！

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!